Perpustakaan Digital ITB

Optimisasi struktur material dan pencarian struktur transisi dari suatu reaksi kimia menggunakan metode nudged elastic band (NEB) merupakan salah satu bagian dari pengerjaan simulasi material yang berguna untuk mempelajari sifat dari suatu material. Akan tetapi, pengerjaan dari optimisasi struktur material dan NEB membutuhkan biaya komputasi yang sangat mahal. Pada tugas akhir ini, dikembangkan suatu model pembelajaran mesin bernama gaussian process regression (GPR) yang diimplementasikan pada algoritma optimisasi struktur dan NEB. Algoritma tersebut diujikan pada beberapa struktur material dan reaksi untuk menyelidiki kualitas hasil dan durasi komputasi dari algoritma tersebut. Hasil pengujian menunjukkan bahwa pengimplementasian GPR dalam algoritma simulasi material menghasilkan kualitas hasil simulasi yang sama dengan hasil simulasi material yang dikerjakan tanpa pengaplikasian GPR. Hasil pengujian juga menunjukkan bahwa penerapan GPR dalam simulasi material dapat mempercepat proses simulasi material hingga empat kali lebih cepat daripada pengerjaan simulasi material yang dilakukan tanpa pengaplikasian GPR. Selain itu, penerapan GPR dalam algoritma NEB memampukan pengerjaan simulasi NEB dengan jumlah citra yang lebih banyak tanpa menambah beban komputasi yang signifikan. Kata kunci: optimisasi struktur material, nudged elastic band, gaussian process regression. ?