Koneoppiminen molekyylidynamiikassa

dc.contributor.authorRasmus, Erkki
dc.contributor.departmentfi=Fysiikan ja tähtitieteen laitos|en=Department of Physics and Astronomy|
dc.contributor.facultyfi=Matemaattis-luonnontieteellinen tiedekunta|en=Faculty of Science|
dc.contributor.studysubjectfi=Fysikaaliset tieteet|en=Physical Sciences|
dc.date.accessioned2025-04-15T21:30:39Z
dc.date.available2025-04-15T21:30:39Z
dc.date.issued2025-04-08
dc.description.abstractTutkielmassa tutustutaan koneoppimismenetelmien hyödyntämiseen molekyylidynamiikan simulaatioissa. Tässä rajoitutaan molekyyleihin kohdistuvien voimien ennustamiseen koneoppimisen menetelmien avulla. Tätä varten esitellään molekyylidynamiikan simulaatioiden perusperiaate yleisellä tasolla. Lisäksi tarkastellaan koneoppimisen perusteita, jolla pyritään antamaan yleiskuva siitä, mitä koneoppimismallin kouluttaminen tarkoittaa. Tässä rajoitutaan molekyylidynamiikan sovelluksissa laajasti käytettäviin neuroverkkoihin. Tutkielman lopussa perehdytään voimien ennustamiseen. Tarkoitus on antaa yleiskuva tämän esittämisestä koneoppimistehtävänä. Lisäksi tarkastellaan ennustamisessa käytettävän koneoppimismallin kouluttamista. Lopussa esitellään tarkemmin rekursiiviset graafineuroverkot, jotka ovat yksi molekyylidynamiikan lupaavimmista koneoppimismenetelmistä. Tähän perustuvien koneopittujen voimien toimintaa käytännössä demonstroitiin ajamalla molekyylidynamiikan simulaatioita useissa eri lämpötilassa.
dc.format.extent30
dc.identifier.olddbid197503
dc.identifier.oldhandle10024/180542
dc.identifier.urihttps://www.utupub.fi/handle/11111/2358
dc.identifier.urnURN:NBN:fi-fe2025041527432
dc.language.isofin
dc.rightsfi=Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.|en=This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
dc.rights.accessrightsavoin
dc.source.identifierhttps://www.utupub.fi/handle/10024/180542
dc.subjectkoneoppiminen, neuroverkko, molekyylidynamiikka, emulaattori, koneoppimispotentiaali
dc.titleKoneoppiminen molekyylidynamiikassa
dc.type.ontasotfi=Kandidaatintutkielma|en=Bachelor's thesis|

Tiedostot

Näytetään 1 - 1 / 1
Ladataan...
Name:
Rasmus_Erkki_kandidaatintutkielma.pdf
Size:
933.07 KB
Format:
Adobe Portable Document Format