پژوهش های نوین فیزیک، جلد ۹، شماره ۱، صفحات ۲۷-۳۴
عنوان فارسی پیش بینی گاف انرژی نیمه رساناهای بر پایه نیترید با استفاده از یادگیری ماشین
چکیده فارسی مقاله در این مقاله با استفاده از شبیه سازی کوانتومی مبتنی بر نظریه تابعی چگالی، گاف انرژی 300 ترکیب نیتریدی مورد بحث و بررسی قرار گرفت. گاف انرژی ترکیبات با استفاده از دو تقریب GGA-PBE و HSE06 محاسبه شده است. پارامترهای مورد بررسی در مطالعات یادگیری ماشین به دو دسته پارامترهای اتمی و کریستالی دسته بندی شده­اند. پارامترهای اتمی عبارتند از شعاع کووالانسی، الکترونگاتیوی، تعداد الکترون­های ظرفیت و اولین انرژی یونیزاسیون. بعد از جمع آوری داده­های ویژگی­های اتمی مدل رگرسیون خطی چندگانه به داده ها برازش داده شد. در ادامه با روش رگرسیون گام به گام با معیار AICc انتخاب متغیر انجام شده است و اندازه اثر ویژگی­های مختلف محاسبه شده است. همچنین برای افزایش دقت مدل در پیش بینی HSE، سه ویژگی بلوری نیز در مدل گنجانده شده اند و 8 مدل مختلف هر کدام با حضور یک یا چند مورد از سه ویژگی بلوری فوق برازش داده شده است. یافته ها نشان می­دهد مدلی که هیچکدام از متغیرهای بلوری در آن حضور ندارند دارای ضریب تعیین تعدیل شده (R2) به میزان به ترتیب 75.45% است که با اضافه شده ویژگی های بلوری، نتایج به میزان قابل توجهی بهبود پیدا می کند. به طور مشخص اضافه شدن متغیر گاف انرژی PBE باعث افزایش R2 به میزان 99.03% (از 75.45% به 99.03%) دارد.
کلیدواژه‌های فارسی مقاله گاف انرژی،نظریه تابعی چگالی،نیمه‌رسانا،یادگیری ماشین،رگرسیون خطی،
عنوان انگلیسی Prediction of the Energy Gap of Nitride-Based Semiconductors Using Machine Learning
چکیده انگلیسی مقاله In this article, the energy gap of 300 nitride compounds was analyzed and investigated using quantum simulations based on Density Functional Theory (DFT). The energy gaps of the compounds were calculated using two approximations, GGA-PBE and HSE06. The parameters considered in the machine learning studies were categorized into two groups: atomic and crystalline parameters. The atomic parameters include covalent radius, electronegativity, the number of valence electrons, and the first ionization energy. After collecting data on atomic features, a multiple linear regression model was fitted to the data. Subsequently, variable selection was performed using the stepwise regression method with the AICc criterion, and the effect size of various features was calculated. Additionally, to improve the accuracy of the model in predicting HSE06, three crystal features were incorporated into the model, and eight different models were fitted, each including one or more of these crystal features. The findings indicate that the model without any crystal variables has an adjusted coefficient of determination (R²) of 75.45%. However, with the inclusion of crystal features, the results improve significantly. Specifically, adding the PBE energy gap as a variable increases the R² to 99.03% (from 75.45% to 99.03%).
کلیدواژه‌های انگلیسی مقاله گاف انرژی,نظریه تابعی چگالی,نیمه‌رسانا,یادگیری ماشین,رگرسیون خطی
نویسندگان مقاله کاووس عباسی |
دانشگاه یاسوج

انوشیروان غفاری پور |
دانشگاه یاسوج

جعفر جلیلیان |
دانشگاه یاسوج

نشانی اینترنتی https://jmrph.khu.ac.ir/article_6363_075b051ec3d22dac7b33f788da631fd4.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات