그래핀 나노리본의 위상 그래프 기술자에 대한 기계 학습 접근법

그래핀 나노리본의 바닥에서의 합성은 전자적 특성과 양자 행동 때문에 상당한 연구 관심을 모으고 있으며, 이는 나노기술에서의 중요성을 높입니다. 물질 설계 방법과 응용의 발전은 구조적 위상이 기능적 특성에 미치는 영향을 이해하는 데 크게 의존합니다. 본 연구는 기계 학습 기술을 사용하여 그래핀 나노리본의 원자가 기반 분자 기술자를 분석하였습니다. 우리는 그래핀 나노리본의 다양한 원자가 기반 분자 기술자를 계산하고 로지스틱 회귀 기계 학습 기법을 사용하여 이들을 예측하는 능력을 연구하여 이러한 그래핀 나노리본의 위상적 특징을 분석하는 수신 작동 특성 곡선을 설명하였습니다. 이러한 기술자는 그래핀 나노리본의 물질 특성에 직접적인 영향을 미치는 중요한 구조적 특징의 정량적 측정을 나타냅니다. 이 예측 프레임워크는 연구자들이 특정 기능성을 가진 그래핀 나노리본을 설계할 수 있게 하며, 이 물질 계급의 구조-특성 관계에 대한 지식을 향상시킵니다. 분자 기술자와 기계 학습 방법의 결합은 첨단 나노물질의 발견 과정과 최적화를 가속화할 잠재력을 보여줍니다.