کاربرد یادگیری عمیق در طبقه‌بندی کریستال‌های فنونی

کریستال های فنونی نوعی از فرامواد با ساختار میکرو-نانو هستند. برای بررسی ویژگی های مکانیکی در کریستال های فنونی نیاز به تعیین بندگپ‌ها است. باید توجه داشت که محاسبه دقیق بندگپ ها امری بسیار زمان بر و دشوار است. تشخیص تعداد بندگپ بدون انجام محاسبات و تنها براساس محاسبات پیشین موجب بهبود عملکرد روش های تحلیل و طراحی کریستال های فنونی می‌گردد. در این تحقیق کریستال‌های فنونی براساس تعداد بندگپ هایشان دسته‌بندی می شوند. برای این منظور، از شبکه‌های عصبی کم عمق و عمیق برای دستیابی به بهترین مدل طبقه‌بندی استفاده شده است. نتایج عددی نشان می دهد که یادگیری عمیق مبتنی بر شبکه‌ عصبی مصنوعی منجر به عملکرد بسیار بالا برای تعیین تعداد بندگپ‌های کریستال‌های فنونی شده است. بطوری که با استفاده از مدل طبقه‌بندی توسعه یافته در این تحقیق، مجموعه آزمون نرخ صحت 90 درصد را حاصل می کند.