Perpustakaan Digital ITB

Seiring berkembangnya zaman, simulasi komputasi banyak digunakan untuk mencari kombinasi molekul yang mungkin dengan posisinya secara efisien sampai ditemukan material yang memiliki properti yang optimal. Dengan cara ini maka mengurangi waktu ditemukannya material baru dibandingkan dengan mencari kombinasi yang tepat hanya melalui eksperimen di laboratorium. Metode yang paling populer dalam komputasi material adalah kalkulasi Density Functional Theory (DFT). Namun DFT memiliki biaya komputasi yang sangat besar sehingga diperlukan untuk mencari solusi yang berbeda. Salah satunya adalah machine learning potensial. Dalam penelitian ini, menggunakan Artificial Neural Network(ANN) berdasarkan pendekatan Behler-Parinello untuk mengamati cacat struktur pada TiO2. Titanium Dioksida (TiO2) digunakan karena fleksibilitasnya. TiO2 telah diaplikasikan dalam berbagai bidang termasuk bahan elektronik, energi, lingkungan, kesehatan & kedokteran, sensor, dan katalis. Penilitian ini dimulai dengan mencari ANN potensial yang memiliki keakuratan paling tinggi untuk struktur TiO2. Didapatkan bahwa NN potensial yang dibangun menggunakan metode bfgs dan fungsi aktivasi tan hiperbolik dengan 2 hidden layer dan 20 node di setiap layernya memiliki error terkecil antara data latih dan data uji. ANN potensial tersebut digunakan untuk optimasi struktur dan simulasi NVT dari struktur TiO2 yang telah diberikan cacat. Kami mendapatkan hasil yang sangat baik karena tidak ada ikatan TiO2 yang tumpang tindih pada struktur akhir.