Molekuláris elektronikai mérések elemzése neurális hálózattal
A molekuláris elektronikai kutatások egyik főbb kérdésköre, hogy hogyan lehetne egyetlen atomból vagy molekulából álló áramköri elemeket létrehozni. Egyedi molekulák vezetőképességének vizsgálatára napjainkban az ún. MCBJ (mechanikusan szabályozható törőkontaktus) technikával kiemelkedő mechanikai stabilitás mellett nyílik lehetőség.
Az ilyen módon elvégzett mérésekből igen nagy számú vezetőképesség-görbe keletkezik, melyek között megtalálhatók molekulák jelenlétét mutató és nem mutató görbék is. Az egyik alapvető feladat, hogy a molekulák jelenlétét mutató görbéket kiszűrjük a mért adatokból. A mért görbék nagy száma miatt erre a célra mindenképpen egy automatizált algoritmusra van szükség. Az adatok osztályozására, gyors feldolgozására használt korábban elterjedt módszerek olyan algoritmusok, melyek több, sokszor nagyon bonyolult feltételek alapján tudják szűrni a molekuláris jelleget mutató görbéket.
Kutatási munkám keretén belül olyan neurális háló alapú osztályozás megvalósítását tűztem ki célul, mely korábbi mérési adatokon betanulva maga alakítja ki a megfelelő átvitelét.
Munkám során szempont volt, hogy egyszerű, jól átlátható modellt valósítsak meg a vezetőképesség-görbék osztályozására, közvetlenül a molekuláris elektronikai mérési adatok feldolgozását végző IGOR szoftveren alapuló kiértékelő programban. Munkám során kitérek a modell paramétereinek megfelelő megválasztására, és a modell általánosíthatóságára is.
Az alkalmazott neurális háló egyszerűségét kihasználva a neurális háló által betanult információkat is szeretném szemléletessé tenni. A neurális háló súlyainak elemzésével abba is bepillantást szeretnék nyerni, hogy milyen szempontokat használ a háló a döntéshozatalnál.
szerző
-
Balogh Nóra
Fizikus mesterképzési szak (MSc)
mesterképzés (MA/MSc)
konzulensek
-
Dr. Halbritter András
tanszékvezető, egyetemi tanár, Fizika Tanszék -
Dr. Magyarkuti András
Alkalmazásfejlesztő kutató, Semilab Zrt. (külső)
