Le simulazioni di dinamica molecolare ci permettono di ricavare l'evoluzione temporale di un sistema atomistico o molecolare e di conseguenza ottenere una stima di loro proprietà cinetiche e termodinamiche. Tuttavia, tali proprietà molecolari richiedono stime su lunghe scale temporali e di conseguenza risultano infattibili per le moderne capacità computazionali. Il coarse-graining ci permette di simulare per tempi maggiori grazie alla definizione di pseudoatomi rappresentanti gli atomi originali e di un potenziale efficace di interazione. In questa tesi si illustrano tecniche di machine learning volte ad imparare un coarse-graining automatico e le forze d'interazione tra gli atomi. Successivamente sono state applicate al caso di polimeri ad anello ed è stato verificato se la procedura di coarse-graining automatico preservasse la topologia o introducesse dei nodi.

Machine-learned coarse-graining per sistemi polimerici

FANTONI, GIOVANNI
2022/2023

Abstract

Le simulazioni di dinamica molecolare ci permettono di ricavare l'evoluzione temporale di un sistema atomistico o molecolare e di conseguenza ottenere una stima di loro proprietà cinetiche e termodinamiche. Tuttavia, tali proprietà molecolari richiedono stime su lunghe scale temporali e di conseguenza risultano infattibili per le moderne capacità computazionali. Il coarse-graining ci permette di simulare per tempi maggiori grazie alla definizione di pseudoatomi rappresentanti gli atomi originali e di un potenziale efficace di interazione. In questa tesi si illustrano tecniche di machine learning volte ad imparare un coarse-graining automatico e le forze d'interazione tra gli atomi. Successivamente sono state applicate al caso di polimeri ad anello ed è stato verificato se la procedura di coarse-graining automatico preservasse la topologia o introducesse dei nodi.
2022
Machine-learned coarse-graining for polymeric systems
Machine Learning
Coarse-graining
Polimeri
File in questo prodotto:
File Dimensione Formato  
Fantoni_Giovanni.pdf

accesso aperto

Dimensione 2.65 MB
Formato Adobe PDF
2.65 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/48891