جلسه دفاع پایان نامه رساله دکتری (آقای رضا شهسواری)
موضوع: ترکیب محاسبات مکانیک کوانتومی و یادگیری ماشین برای شتاب بخشیدن به طراحی مواد جدید
ارائه دهنده: رضا شهسواری
استادان راهنما: دکتر علیرضا شهیدی- دکتر سیدجواد هاشمی‌فر
استادان مشاور: دکتر جیلس فراپر
استادان داور: دکتر محمد سیلانی- دکتر اسماعیل عبدالحسینی- دکتر محدثه عباس‌نژاد
چیکده:
طراحی مواد جدید و سپس محاسبه خواص آن‌ها یکی از نیازهای فناوری نوین است. درحالی‌که در گذشته نه چندان دور طراحی و کشف مواد جدید و محاسبه خواص آن‌ها به دلیل هزینه‌های سنگین آزمایشگاهی به شدت محدود بود, اما امروزه با پیشرفت روش‌های محاسباتی این‌گونه نیست. با وجود این‌که در این کار چالش برانگیز روش نظریه تابعی چگالی به دلیل دقت مکانیک کوانتومی نقش مهمی را ایفا کرده است, اما همواره به دلیل محاسبات زمان‌بر و سنگین باعث ایجاد محدودیت‌هایی شده است. این درحالی است که پتانسیل‌های تجربی سرعتی به مراتب بالاتر دارند. ترکیب دقت روش نظریه تابعی چگالی همراه با سرعت توابع تجربی از طریق پتانسیل‌های بین اتمی یادگیری ماشین امکان‌پذیر است. در این رساله, نه ساختار کریستالی جدید برای سیستم‌های دو بعدی آلومینیوم-سولفاید و گالیوم-سولفاید براساس روش الگوریتم ژنتیک برپایه نظریه تابع چگالی و روش تصادفی برپایه پتانسیل‌های یادگیری ماشین طراحی شده است. همچنین یازده ساختار کریستالی جدید برای سیستم سه‌بعدی گالیوم-سولفاید تحت اثر فشار هیدرواستاتیک تا 100 گیگاپاسگال طراحی شده است. سپس پایداری حرارتی, دینامیکی, ترمودینامیکی و مکانیکی هر یک از ساختارهای دوبعدی و سه‌بعدی بررسی شده است. تمامی ساختارهای طراحی شده از نظر دینامیکی و حرارتی تا حداقل دمای 600 درجه کلوین پایدار می‌باشند. خواص مکانیکی مواد طراحی شده همچون مدول یانگ, مدول برشی و نسبت پواسون در همه راستا‌ها بررسی شده و همسانگردی و غیر همسانگردی آن‌ها مشخص شده است. یافته‌های ما نشان می‌دهد فاز جدید پیش‌بینی شده از ساختار Ga3S4 سخت‌ترین فاز می‌باشد. برای ساختارهای سه‌بعدی انقال فاز تحت اثر فشار هیدرواستاتیک بررسی شد. براس ساختار GaS2
یک انتقال فاز در فشار 40 گیگا پاسکال مشاهده شد. در مقابل برای ترکیب Ga2S3 مجموعه‌ای از انتقال فاز‌ها در فشارهای 8 و12 گیگا پاسکال پیش‌بینی شد. ترکیب GaS نیز دو انتقال فاز از در فشارهای 9 و 57 گیگاپاسکال را تجربه می‌کند. برای ساختارهای دو بعدی خواص پیزوالکتریک محاسبه شده است. ضرایب پیزوالکتریک داخل صفحه از 1.91- تا 6.31 پیکومتر بر ولت می‌باشد. همچنین برای ساختار دی‌سولفیدمولیبدن یک پتانسیل یادگیری ماشین طراحی شده است. بعد از به‌دست آوردن تابع پتانسیل یادگیری ماشین یک شبیه‌سازی تست کشش تک محوره, با استفاده از روش دینامیک مولکولی برروی این ماده انجام شده است و خواص مکانیکی ماده موردنظر ارزیابی شده است. نتایج به‌دست آمده برای این ماده با کارهای آزمایشگاهی موجود و روش نظریه تابع چگالی مقایسه شده است. همچنین تاثیر دما و عیب تهی‌جا نیز برروی خواص مکانیکی مطالعه شده است. با افزایش دما و افزایش مقدار عیوب ساختاری مطابق انتظار خواص مکانیکی کاهش پیدا کرده‌اند که نشان می‌دهد پتانسیل طراحی شده برای ساختارهای دارای عیب نیز می‌تواند استفاده شود. از آنجایی‌که نتایج آزمایشگاهی گزارش شده دارای پراکندگی زیادی هستند نتایج این تحقیق می‌تواند به عنوان راهنمایی برای مطالعات آزمایشگاهی به‌منظور پیش‌بینی دقیق خواص نانو مواد مورد توجه قرار گیرد. همچنین یافته‌های ما, نه‌تنها خانواده مواد دوبعدی و سه‌بعدی برپایه سولفور را گسترش می‌دهد بلکه باتوجه به خواص منحصربه‌فرد این مواد، کاربردهای بالقوه آن‌ها در حوزه‌های مختلف فناوری را نشان می‌دهد.