Predicting magnetic interactions between atoms using graph convolutional networks
Visualitza/Obre
Memòria amb dades confidencials (1,748Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/329800
Correu electrònic de l'autortomasnavasgutierrezgmail.com
Tipus de documentTreball Final de Grau
Data2020-06
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
La constante de acoplamiento es el resultado de la interacción entre dos momentos
magnéticos de dos átomos de una molécula. Usando métodos de vanguardia, en lo que
a la mecánica cuántica se refiere, es posible calcular con precisión las constantes de
acoplamiento escalar dada sólo una estructura molecular 3D como entrada. Sin
embargo, estos cálculos de mecánica cuántica son extremadamente caros (conllevan
días o semanas por molécula) y, por lo tanto, tienen una aplicabilidad limitada en los
flujos de trabajo diarios.
La propuesta en este proyecto es utilizar diferentes metodologías con redes neuronales
para predecir constantes de acoplamiento. En este trabajo, se emplean técnicas tales
como la Fully Connected Network (FC), Graph Convolutional Neural Network (GCN) y
la Graph Attention Neural Network (GAT). De esta forma, se quiere predecir la constante
de acoplamiento obteniendo distintos tipos de datos de la estructura química 3D de la
molécula.
Para poder llevar a cabo todas las pruebas realizadas en este trabajo, se ha utilizado la
base de datos CHAMPS Scalar Coupling dataset [1] que contiene 135.000 moléculas
clasificadas.
Con los resultados obtenidos en este proyecto se observa que las redes de grafos
obtienen mejores resultados que el baseline. Sin embargo, la metodología propuesta no
consigue superar el estado del arte en la predicción de la constante de acoplamiento.
Debido a que durante el desarrollo de este proyecto solo se ha contemplado el uso de
enlaces dobles y J-Coupling, para simplificar y reducir la carga computacional.
MatèriesNeural networks (Computer science), Graph theory, Magnetism, Xarxes neuronals (Informàtica), Grafs, Teoria de, Magnetisme
ProvinençaPer motius de propietat intel·lectual, el document original conté altra informació no inclosa en el fitxer
TitulacióGRAU EN ENGINYERIA DE SISTEMES AUDIOVISUALS (Pla 2009)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
REPORT per consultar.pdf | Memòria sense dades confidencials | 1,593Mb | Visualitza/Obre | |
BUDGET.pdf | 195,4Kb | Visualitza/Obre | ||
Anexo 1.pdf | 1,132Mb | Visualitza/Obre | ||
REPORT.pdf | Memòria amb dades confidencials | 1,748Mb | Accés restringit |