Teitur Hansen vart ph.d. á DTU Physics
Fríggjadagin 26. juni vardi Teitur Hansen ph.d.-ritgerð sína á DTU Physics.
Ritgerðin ber heitð: "Uncertainty Quantifications for Atomistic Simulations".
Hon er sett saman av trimum vísindaligum greinum og einum samandrátti.
Í stuttum snýr granskingin seg um at menna ein nýggjan hátt at meta um óvissu í teldusimuleringum í tilfarsvísindum (material science). Tilfarsvísindi verða brúkt til at finna og menna nýtt tilfar innanfyri millum annað hálvleiðarar, katalysu, grøna orkuskiftið og meira. Nýggi hátturin gevur álítandi óvissumetingar og ger tí forsagnir um nýtt tilfar meira álítandi.
Sambært metingarnevndini gevur granskingin hjá Teiti Hansen eitt grundstøði at rokna út, hvussu álítandi elektronbygnaðarrokningar, sum byggja á density functional theory (DFT), eru. Hetta arbeiðið kann sannlíkt broyta, hvussu óvissa verður mett í mongum øðrum torgreiddum skipanum, sum hava stóran samfelagsligan týdning, so sum veðurforsagnum, skipanarlívfrøði (systems biology), elskipanum og øðrum.
Nevndin metti í síni niðurstøðu arbeiðið hjá Teiti vera sera dygt og á høgum stigi. Nevndin væntaði, at úrslitini kunnu koma at hava stóran týdning frameftir.
Vegleiðarar
Karsten W. Jacobsen, professari, hevur verið høvuðsvegleiðari, og Thomas Bligaard, professari, hevur verið hjávegleiðari.
Metingarnevnd
Kristian S. Thygesen, professari á Department of Physics, DTU, formaður
James P. Sethna, professari á Department of Physics, Cornell University, USA
Bjørk Hammer, professari á Department of Physics, Aarhus Universitet
Simone Latini, professari á Department of Physics, DTU, leiddi verjuna.
Mynd: Teitur Hansen saman við metingarnevdini beint eftir verjuna. (c) privatmynd.
Sí eisini akademiska vangan hjá Teiti Hansen á Orbit.dtu.dk
Samandráttur
Densitetsfunktionalteori (DFT) understøtter en stor del af moderne beregningsmæssig materialevidenskab ved at afbalancere nøjagtighed og beregningsomkostninger. DFT-forudsigelser udviser dog systematiske, egenskabsafhængige afvigelser fra eksperimenter, hovedsageligt på grund af tilnærmelser i udvekslingskorrelationsfunktionalen. Disse afvigelser begrænser pålideligheden af DFT-baseret screening og komplicerer fortolkningen af forudsagte tendenser, især når resultater bruges til at vejlede eksperimentelle beslutninger. I praksis er usikkerhedsestimater ofte heuristiske, baseret på tidligere erfaring eller global fejlstatistik, der ikke er kalibreret til de specifikke materialeklasser og/eller egenskaber af interesse.
Denne afhandling udvikler en empirisk kalibreret ramme for usikkerhedskvantificering i DFT ved at lære sandsynlighedsfordelinger over et modelrum. Modelrummet er defineret generelt, men vores anvendelser består af funktionaler og machinelearned interatomare potentialer. Med udgangspunkt i bayesiansk lineær regression som baseline identificerer vi begrænsninger ved standardtilgange, herunder følsomhed over for modelfejlspecifikation, vanskeligheder med at kombinere heterogene datasæt og behovet for at tage højde for varierende eksperimentelle usikkerheder. Disse begrænsninger motiverer et skift til at udlede en fordeling over modeller for at evaluere usikkerheder.
Med udgangspunkt i dette perspektiv introducerer vi uncertaintyaware functional distributions (UAFD) tilgangen, hvor modelparametre beskrives af en multivariat Gaussisk fordeling lært gennem en regulariseret sandsynlighedsbaseret cost funktion. Denne formulering muliggør kalibrering til eksperimentelle referencedata. Ved at repræsentere usikkerhed i modelrummet understøtter rammeværket naturligt usikkerhedsudbredelse til afledte størrelser.
UAFD valideres på heterogene datasæt, der spænder over molekylære og faststofegenskaber, og demonstrerer nøjagtige forudsigelser og velkalibrerede usikkerhedsestimater. Støjestimeringens rolle undersøges også i brug af støjende træningsdata. Endelig udvides UAFD til machinelearned interatomare potentialer, hvilket muliggør effektiv og pålidelig usikkerhedsestimering i molekylær dynamik simuleringer. Metoden indikerer overførsel mellem egenskaber ved at træne på ét datasæt og evaluere det på et andet. Samlet set giver dette arbejde både et teoretisk fundament og en praktisk metode til at producere DFT-usikkerhedsestimater, der er kalibreret til eksperimenter og egnede til materialevidenskab.