محاسبه ماتریس پراکندگی در سامانه‌های نانومقیاس با استفاده از شبکه‌های عصبی آگاه از فیزیک

محاسبه ماتریس پراکندگی در سامانه‌های نانومقیاس با استفاده از شبکه‌های عصبی آگاه از فیزیک

محمدهادی آهویی1 احسان نوروزی فر2

1) دانشجوی کارشناسی ارشد دانشکده فیزیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران -
2) استادیار دانشکده فیزیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران،

کد IOI مقاله : AAHD-ACZBFB
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    محاسبه برهم‌کنش‌ها و پاسخ‌های فیزیکی در سامانه‌های نانومقیاس، به‌ویژه در هندسه‌های پیچیده، نیازمند حل دقیق معادلات دیفرانسیل حاکم و تعیین ضرایب پراکندگی است. ماتریس پراکندگی یکی از ابزارهای مهم برای توصیف پاسخ یک ذره یا ساختار منفرد به میدان خارجی و همچنین مطالعه برهم‌کنش میان چندین ذره محسوب می‌شود. در این پژوهش، یک روش مبتنی بر شبکه‌های عصبی آگاه از فیزیک برای محاسبه ماتریس پراکندگی در سامانه‌های نانومقیاس ارائه می‌شود. در این روش، شبکه عصبی بدون نیاز به داده‌های آموزشی حاصل از شبیه‌سازی‌های عددی، با استفاده از معادله دیفرانسیل حاکم، شرایط مرزی و شرایط دوردست آموزش داده می‌شود. مشتقات مورد نیاز برای تشکیل باقیمانده معادله حاکم به‌صورت خودکار و با استفاده از مشتق‌گیری خودکار محاسبه شده و تابع هزینه شبکه از مجموع باقیمانده معادله و خطاهای مربوط به شرایط مرزی تشکیل می‌شود. پس از به‌دست‌آوردن میدان پراکنده، ضرایب مربوط به مدهای مختلف استخراج شده و ماتریس محاسبه می‌شود. برای ارزیابی روش، یک سامانه دایروی به‌عنوان مسئله آزمون در نظر گرفته شده و نتایج حاصل از شبکه عصبی با جواب تحلیلی مقایسه خواهد شد. این چارچوب می‌تواند زمینه‌ای برای توسعه روش‌های مبتنی بر هوش مصنوعی در محاسبه خواص پراکندگی و مطالعه برهم‌کنش‌های سامانه‌های نانومقیاس فراهم کند.

کلمات کلیدی : شبکه عصبی آگاه از فیزیک ماتریس پراکندگی سامانه‌های نانومقیاس پراکندگی موج یادگیری ماشین هوش مصنوعی