اکسپرس 24
ترجمه فارسی مقاله توصیف کننده های مبتنی بر نمودار برای ماده چگالش

ترجمه فارسی مقاله توصیف کننده های مبتنی بر نمودار برای ماده چگالش

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Graph-based Descriptors for Condensed Matter
عنوان مقاله به فارسی توصیف کننده های مبتنی بر نمودار برای ماده چگالش
نویسندگان An Wang, Gabriele C. Sosso
فرمت مقاله انگلیسی PDF
تعداد صفحات 35
دسته بندی موضوعات Computational Physics,Disordered Systems and Neural Networks,فیزیک محاسباتی , سیستم های بی نظمی و شبکه های عصبی ,
توضیحات Submitted 12 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 1,400,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Computational scientists have long been developing a diverse portfolio of methodologies to characterise condensed matter systems. Most of the descriptors resulting from these efforts are ultimately based on the spatial configurations of particles, atoms, or molecules within these systems. Noteworthy examples include symmetry functions and the smooth overlap of atomic positions (SOAP) descriptors, which have significantly advanced the performance of predictive machine learning models for both condensed matter and small molecules. However, while graph-based descriptors are frequently employed in machine learning models to predict the functional properties of small molecules, their application in the context of condensed matter has been limited. In this paper, we put forward a number of graph-based descriptors (such as node centrality and clustering coefficients) traditionally utilised in network science, as alternative representations for condensed matter systems. We apply this graph-based formalism to investigate the dynamical properties and phase transitions of the prototypical Lennard-Jones system. We find that our graph-based formalism outperforms symmetry function descriptors in predicting the dynamical properties and phase transitions of this system. These results demonstrate the broad applicability of graph-based features in representing condensed matter systems, paving the way for exciting advancements in the field of condensed matter through the integration of network science concepts.

چکیده به فارسی (ترجمه ماشینی)

دانشمندان محاسباتی مدتهاست که برای توصیف سیستم های ماده چگالش ، نمونه کارها متنوعی از روشها را توسعه می دهند.بیشتر توصیف کننده های ناشی از این تلاش ها در نهایت بر اساس تنظیمات مکانی ذرات ، اتم ها یا مولکول ها در این سیستم ها است.مثالهای قابل توجه شامل توابع تقارن و همپوشانی همپوشانی موقعیت های اتمی (SOAP) ، که عملکرد مدل های یادگیری ماشین پیش بینی را برای هر دو ماده متراکم و مولکول های کوچک به طور قابل توجهی پیشرفت کرده اند.با این حال ، در حالی که توصیف کننده های مبتنی بر نمودار غالباً در مدل های یادگیری ماشین برای پیش بینی خصوصیات عملکردی مولکولهای کوچک استفاده می شوند ، کاربرد آنها در زمینه ماده چگالش محدود بوده است.در این مقاله ، ما تعدادی از توصیف کننده های مبتنی بر نمودار (مانند مرکزیت گره و ضرایب خوشه بندی) را که به طور سنتی در علوم شبکه مورد استفاده قرار می گیرند ، به عنوان بازنمایی های جایگزین برای سیستم های متراکم استفاده می کنیم.ما از این فرمالیسم مبتنی بر نمودار برای بررسی خصوصیات دینامیکی و انتقال فاز سیستم نمونه اولیه لنارد-جونز استفاده می کنیم.ما می دانیم که فرمالیسم مبتنی بر نمودار ما از توصیف کننده های عملکرد تقارن در پیش بینی خصوصیات دینامیکی و انتقال فاز این سیستم بهتر است.این نتایج نشان دهنده کاربرد گسترده ای از ویژگی های مبتنی بر نمودار در نشان دادن سیستم های ماده متراکم است و راه را برای پیشرفت های هیجان انگیز در زمینه ماده متراکم از طریق ادغام مفاهیم علوم شبکه فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.