دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Daniel Packwood
سری:
ISBN (شابک) : 9789811067815
ناشر: Springer
سال نشر: 2017
تعداد صفحات: 47
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Bayesian Optimization for Materials Science به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بهینه سازی بیزی برای علم مواد نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مقدمه ای کوتاه و مختصر از بهینه سازی بیزی به طور خاص برای دانشمندان مواد تجربی و محاسباتی ارائه می دهد. پس از توضیح ایده اصلی پشت بهینهسازی بیزی و برخی کاربردها در علم مواد در فصل 1، نظریه ریاضی بهینهسازی بیزی در فصل 2 تشریح شده است. در نهایت، فصل 3 کاربرد بهینهسازی بیزی را برای یک مسئله بهینهسازی ساختار پیچیده در علوم سطوح محاسباتی مورد بحث قرار میدهد. بهینهسازی بیزی یک تکنیک بهینهسازی جهانی امیدوارکننده است که در زمینه یادگیری ماشینی سرچشمه میگیرد و شروع به جلب توجه در علم مواد کرده است. به منظور طراحی مواد، بهینه سازی بیزی را می توان برای پیش بینی مواد جدید با خواص جدید بدون غربالگری گسترده مواد نامزد استفاده کرد. به منظور علم مواد محاسباتی، بهینهسازی بیزی را میتوان در محاسبات اصول اول برای انجام بهینهسازیهای ساختاری کارآمد و جهانی گنجاند. در حالی که تحقیقات در این جهت در مجلات معتبر گزارش شده است، تا کنون هیچ کتاب درسی به طور خاص برای دانشمندان مواد که مایل به ترکیب بهینه سازی بیزی در تحقیقات خود هستند، وجود نداشته است. این کتاب برای محققان و دانشجویان علم مواد که دارای پیشینه پایه در حساب دیفرانسیل و انتگرال و جبر خطی هستند، قابل دسترسی خواهد بود.
This book provides a short and concise introduction to Bayesian optimization specifically for experimental and computational materials scientists. After explaining the basic idea behind Bayesian optimization and some applications to materials science in Chapter 1, the mathematical theory of Bayesian optimization is outlined in Chapter 2. Finally, Chapter 3 discusses an application of Bayesian optimization to a complicated structure optimization problem in computational surface science.Bayesian optimization is a promising global optimization technique that originates in the field of machine learning and is starting to gain attention in materials science. For the purpose of materials design, Bayesian optimization can be used to predict new materials with novel properties without extensive screening of candidate materials. For the purpose of computational materials science, Bayesian optimization can be incorporated into first-principles calculations to perform efficient, global structure optimizations. While research in these directions has been reported in high-profile journals, until now there has been no textbook aimed specifically at materials scientists who wish to incorporate Bayesian optimization into their own research. This book will be accessible to researchers and students in materials science who have a basic background in calculus and linear algebra.
Front Matter ....Pages i-viii
Overview of Bayesian Optimization in Materials Science (Daniel Packwood)....Pages 1-10
Theory of Bayesian Optimization (Daniel Packwood)....Pages 11-28
Bayesian Optimization of Molecules Adsorbed to Metal Surfaces (Daniel Packwood)....Pages 29-42