Use Machine Learning to Find Slater-Koster Method's Parameters

摘要

這篇論文使用機器學習來預測Slater-Koster方法的參數。我們訓練電腦將計算出的哈密頓量映射到Slater-Koster參數。並且我們使用這些預測出來的參數來構造Slater-Koster哈密頓量。 在第二章中，我簡單地介紹一些物理知識和深度學習。在這ㄧ部分中，我主要討論深度學習的工作原理。在第三章中，我將介紹緊束縛方法(tight-binding method)，深度學習另一面向和無監督學習K均值。在這一部分中，我將討論如何訓練深度學習以及如何使其表現更好。包含K均值的原因是因為我需要使用它來聚類一些數據。 在第4章中，以材料WSe2和材料Sb2Te3為例。首先，我嘗試了?多深度學習模型和技術來預測WSe2的Slater-Koster方法參數。但是，仍有一些深度學習無法預測的參數。因此，我用K均值方法將它們聚類以找到最接近的參數。接下來，我使用相同的步驟來預測Sb2Te3的參數。 結果表明我們可以使用機器學習來找到Slater-Koster參數，但仍有一些結果需要改進。完整的過程分為兩個步驟，我們無法僅使用一種機器學習工具來預測所有參數。當計算的哈密頓量為非Slater-Koster哈密頓量時，預測結果將存在一些偏差。

獎項日期	2020
原文	English
監督員	Tay-Rong Chang (Supervisor)