▶ DFT Modeling Discrete Fourier Transform(이산 푸리에 변환)을 사용하여, 시간 영역의 이산 시퀀스를 주파수 영역으로 바꾸는 과정. DFT는 신호 처리, 통신, 이미지 처리 등에서 사용된다. ▷ DFT(이산 푸리에 변환)의 주요 개념과 과정 1. 개념 이산 시간 신호를 주파수 도메인으로 변환하는 과정 주어진 이산 시간 신호의 길이가 N이라면, DFT는 주파수 영역에서 N개의 복소수 값을 생성함 * 복소수 : 여기서는 크기와 위상을 가지는 수를 의미 2. 공식 x[n] : 주어진 이산 시간 신호 X[k] : 해당 신호의 DFT 결과 : 각 주파수의 성분 k : 주파수의 인덱스 n : 시간 인덱스 3. 주파수의 해석 DFT의 결과로 얻어지는 주파수 영역의 값들은, 주파수를 기..

▶ Pymatgen (Python Materials Genomics) 파이썬 라이브러리 중 하나. 고체 상태 물질의 구조와 속성을 모델링하고 분석하기 위해 사용된다. ▷ 주요기능 구조 분석 고체 상태 물질 구조를 읽고 작성하는 기능을 제공합니다. 파일 형식(POSCAR, CIF, VASP의 출력 파일 등)의 구조를 처리하고, 분자 구조를 다루는 데 유용하다 결정학적 속성 계산 구조를 기반으로 결정학적 속성을 계산할 수 있다. 격자 상수, 첨자, 결정학적 안정성, 밀도 등 전자 구조 계산 전자 구조 계산 도구를 사용하여 밴드 구조, 전자 밀도, 밴드 갭 등 다양한 전자 구조 속성을 계산할 수 있다 화학적 속성 계산 화학적 속성을 계산하는 도구를 사용하여 고체 상태 물질의 화학적 특성을 평가할 수 있다. 분..

▶ VESTA 고체 상태 물질의 구조를 시각화하고 분석하는 데 사용됨 물질 구조 데이터를 시각적으로 표현하고, 분석하는 기능을 제공한다. ▷ 특징 다양한 데이터 형식 지원 CIF, POSCAR, CHGCAR, XSF, XMOL 등 다양한 구조 데이터 형식을 지원함 구조 시각화 물질 구조를 다양한 방법으로 시각화할 수 있다. 원자, 결합, 격자 등의 구조적 특징을 시각적으로 파악할 수 있음 구조 분석 구조를 분석하는 다양한 도구와 기능을 제공한다. 이를 통해 구조의 공간군, 결합 길이, 결합 각도, 밴드 구조 등을 분석할 수 있다 전자 밀도 시각화 전자 밀도 데이터를 시각화하는 기능을 제공한다. 이를 통해 전자 밀도 분포, 전자 밀도 등고면 등을 시각적으로 확인할 수 있다. 결정학적 계산 결과 분석 전자 ..

/

/

▶ CGCNN (Crystal Graph Convolutional Neural Networks) 크리스탈 결정 구조를 사용하여, 분자의 구조와 특성을 예측하는 데 사용하는 딥러닝 기술 전통적인 결정 구조 기반 머신러닝 방법보다 더 정확하다. 결정 구조를 그래프로 표현하고, graph convolution 연산을 사용하여 각 원자의 환경을 특징 벡터로 변환한다. 그리고 이것을 신경망에 입력하여 원자의 속성을 예측하는 방식으로 동작한다. latent energy (잠재 에너지), 전자 구조, 굴절률, 열전도 등 다양한 물성을 예측하는 데 사용될 수 있다.

/

/

▶ PyTorch (파이토치) 딥러닝 기계 학습 연구와 개발을 위한 오픈 소스 라이브러리 페이스북에서 개발됨 동적 계산 그래프 동적 계산 그래프를 사용합니다. 실행 시에 그래프가 생성되며, 이를 통해 더욱 유연하고 동적인 모델을 만들 수 있다. 디버깅과 모델 구성이 조금 더 쉬워짐. 모듈화 파이토치는 모듈화된 디자인을 채택하여 모델을 여러 레벨로 구성할 수 있다. 재사용성과 유지보수성을 높여준다. 자동 미분 (automatic differentiation) 자동 미분 기능을 제공하여 사용자가 정의한 연산에 대한 미분을 자동으로 계산할 수 있다. 복잡한 모델을 구성하고 효율적으로 학습하는 데 도움이 된다 . GPU 지원 GPU를 활용하여 연산을 가속화할 수 있다. 이것은 대규모 데이터 및 복잡한 모델을 다..

▶ Keras 딥러닝 모델을 구축하고 학습시키기 위한 딥러닝 API TensorFlow와 같은 백엔드 엔진 위에 구축되어 있다. 딥러닝 모델을 간단하게 만들 수 있도록 도와준다. 사용자 친화적인 API 직관적이고 사용하기 쉬운 API를 제공함 딥러닝 모델을 쉽게 만들고 실험할 수 있다. 모듈화 모듈화된 디자인을 채택 각 층을 개별적으로 구성하고 재사용할 수 있다. 모델을 쉽게 구성하고 확장할 수 있도록 도와준다. 다양한 백엔드(backend) 지원 텐서플로(TensorFlow), 씨아노(Theano), CNTK와 같은 다양한 딥러닝 백엔드를 지원한다. 사용자는 선호하는 백엔드를 선택하여 사용할 수 있다. 내장된 최적화 알고리즘 다양한 최적화 알고리즘(예: SGD, Adam 등)을 내장하고 있어 사용자가 ..