Analisis Dan Prediksi Properti Magnetis Material Menggunakan Density Functional Theory (Dft) Dan Deep Learning

Sabil, Asnan and Mauludi Ariesto Pamungkas, S.Si., M.Si., Ph.D. and Prof. Dr. Eng. Agus Naba, S.Si., M.T. (2024) Analisis Dan Prediksi Properti Magnetis Material Menggunakan Density Functional Theory (Dft) Dan Deep Learning. Sarjana thesis, Universitas Brawijaya.

Abstract

Properti material merupakan aspek penting dalam ilmu fisika material. Untuk material rekayasa, salah satunya, yaitu properti magnetis. Untuk memahami properti magnetis ini, analisis Density of States (DOS) yang diperoleh melalui Density Functional Theory (DFT) sangat bermanfaat. DOS memberikan gambaran tentang pola spin up dan spin down elektron dalam material, sehingga memungkinkan digunakan untuk mengklasifikasikan material berdasarkan magnetic ordering. Properti magnetis bisa diketahui melalui eksperimen langsung maupun simulasi. Namun, dengan memanfaatkan data dari penelitian sebelumnya, maka properti dapat diprediksi. Data DOS diperoleh dari software Materials Project, jurnal, dan melalui perhitungan menggunakan metode DFT dengan software Quantum Espresso GUI (Graphical User Interface) Burai, menggunakan file input berformat Crystallographic Information File (CIF) dari Materials Project. Prediksi grafik DOS dilakukan menggunakan deep learning dengan algoritma Convolutional Neural Network (CNN) melalui library TensorFlow. Model deep learning untuk memprediksi properti magnetis yang terdiri dari data DOS feromagnetik, ferimagnetik, dan non-magnetis, awalnya dibuat secara multiclass dengan 405 data. Model yang dibuat menunjukkan akurasi pelatihan dan validasi yang tinggi, tetapi akurasi tes masih sangat rendah, yaitu sebesar 36%, sehingga dilakukan pembuatan multi model berdasarkan model binary. Walaupun demikian, akurasi tes multi model yang jauh lebih baik dari multiclass, yaitu feromagnetik dengan ferimagnetik menggunakan 255 data sebesar 73% dan feromagnetik dengan non-magnetis menggunakan 288 data sebesar 87% masih belum sepenuhnya baik. Hal ini dikarenakan data yang digunakan belum memiliki variasi yang cukup.

English Abstract

Material properties are an important aspect in materials physics. For engineering materials, one of them is magnetic properties. To understand this magnetic property, analyzing Density of States (DOS) obtained through Density Functional Theory (DFT) is very useful. DOS provides an overview of patterns of spin up and spin down electrons in materials, making it possible to use them to classify materials based on magnetic ordering. Magnetic properties can be known through direct experiments or simulations. However, by utilizing data from previous research, properties can be predicted. DOS data obtained from software Materials Project, journal, and through calculations using the DFT method with software Quantum Espresso GUI (Graphical User Interface) Burai, using files input format Crystallographic Information File (CIF) from the Materials Project. DOS graph prediction is done using deep learning with algorithms Convolutional Neural Network (CNN) via the library TensorFlow. Model deep learning to predict magnetic properties consisting of ferromagnetic, ferrimagnetic and non-magnetic DOS data, initially generated multiclass with 405 data. The model created shows high training and validation accuracy, but the test accuracy is still very low, namely 36%, so the creation of a multi model based on the model binary. However, the accuracy of the test multi model is much better than multiclass, namely ferromagnetic with ferrimagnetic using 255 data of 73% and ferromagnetic with nonmagnetic using 288 data of 87% which is still not completely good. This is because the data used does not have sufficient variation.

Item Type:	Thesis (Sarjana)
Identification Number:	0524090222
Uncontrolled Keywords:	Properti magnetis, DOS, DFT, Deep learning
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika
Depositing User:	Unnamed user with username nova
Date Deposited:	11 Nov 2024 03:02
Last Modified:	11 Nov 2024 03:02
URI:	http://repository.ub.ac.id/id/eprint/227455

Text (DALAM MASA EMBARGO) Asnan Sabil.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item