Khảo sát độ ổn định của tinh thể trong môi trường không khí sử dụng thuật toán Machine Learning bằng Google Colab.
Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Trần Thanh Khải |
| Người hướng dẫn | Nguyễn Thành Tiên |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2025 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Luận văn khảo sát độ ổn định của tinh thể trong môi trường không khí dựa trên bộ dữ liệu GNoME và các thư viện hỗ trợ bằng thuật toán Machine Learning trên nền tảng Google Colab. GNoME (Graph Networks for Materials Exploration) là một bộ dữ liệu tinh thể lớn, nó bao gồm khoảng 2,2 triệu cấu trúc tinh thể mới được dự đoán là ổn định hoặc gần ổn định. Dữ liệu được sinh ra bằng cách dùng mô hình học sâu (Deep Learning) huấn luyện trên các dữ liệu DFT (Density Functional Theory) từ Materials Project, sau đó mở rộng ra không gian hóa học rất lớn mà chưa được khám phá thực nghiệm. Cụ thể hơn, GNoME là mô hình Machine Learning giúp khám phá các vật liệu mới bằng cách sử dụng mạng nơ-ron đồ thị để dự đoán cấu trúc ổn định về mặt năng lượng ở nhiệt độ 0 K cho hàng triệu hợp chất vô cơ. Cải thiện hiệu suất vật liệu, tìm ra những dạng vật liệu có tính chất ưu việt, như độ bền cao, dẫn điện tốt hoặc tính chất quang học đặc biệt. Tăng tốc quá trình nghiên cứu, giúp các nhà khoa học rút ngắn thời gian thử nghiệm và tối ưu hóa việc phát triển vật liệu mới. Thông qua việc tính toán năng lượng phân hủy, đoạn mã trong đề tài này giúp xác định khả năng tồn tại của vật liệu khi tiếp xúc với môi trường không khí, từ đó đánh giá ổn định hóa học và tiềm năng ứng dụng của các vật liệu trong điều kiện thực tế.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- XÂY DỰNG WEBSITE KINH DOANH CÂY CẢNH MINI TÍCH HỢP CHATBOT
- ỨNG DỤNG TRỢ LÝ ẢO TRONG TƯ VẤN ĐẶT VÉ VÀ LÊN LỊCH TRÌNH DU LỊCH
- XÂY DỰNG ỨNG DỤNG WEB BÁN CÂY CẢNH TÍCH HỢP NHẬN DẠNG BẰNG HÌNH ẢNH
- ỨNG DỤNG DI ĐỘNG BÁN ĐỒ QUA SỬ DỤNG
- DRUG INFORMATION EXTRACTION FROM PRESCRIPTION WITH GCN
- GIẢI PHÁP THỊ GIÁC MÁY TÍNH TRONG PHÂN TÍCH ĐẶC TÍNH CẤU TRÚC VÀ VẾT NỨT BÊ TÔNG
- XÂY DỰNG WEBSITE KINH DOANH MẶT HÀNG HẢI SẢN VỚI REACTJS VÀ .NET CORE WEB API
- XÂY DỰNG WEBSITE BÁN VÉ VÀ QUẢN LÝ SỰ KIỆN VÀ NHÀ TỔ CHỨC
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.