Please use this identifier to cite or link to this item:
https://essuir.sumdu.edu.ua/handle/123456789/96898
Or use following links to share this resource in social networks:
Tweet
Recommend this item
Title | Novel AI-Based Methodology for Predicting Superconducting Films' Resistance-Temperature Properties with Nanomaterials |
Other Titles |
Нова методологія на основі ШІ для прогнозування властивостей опору та температури надпровідних плівок за допомогою наноматеріалів |
Authors |
Kumar, G.
Parashar, K. Sharma, P. Singh, D.P. Shrivastava, А. Srivastava, A.P. Srivastava, A. William, P. |
ORCID | |
Keywords |
наноматеріал надпровідність нанотехнологія питомий опір стійкість плівки nanomaterial superconductivity nanotechnology resistivity film resistance |
Type | Article |
Date of Issue | 2024 |
URI | https://essuir.sumdu.edu.ua/handle/123456789/96898 |
Publisher | Sumy State University |
License | Creative Commons Attribution 4.0 International License |
Citation | G. Kumar et al., J. Nano- Electron. Phys. 16 No 4, 04018 (2024) https://doi.org/10.21272/jnep.16(4).04018 |
Abstract |
Інтеграція найсучасніших наноструктур у моделі прогнозування покращує наше розуміння
властивостей надпровідності. Використовуючи методи штучного інтелекту та моделювання, математичний
метод використовує унікальні характеристики наночастинок для покращення прогнозів опору та
температури. У цьому документі пропонується новий підхід штучного інтелекту (ШІ) для прогнозування
аспектів опору та температури надпровідних плівок, наповнених наноматеріалами. У цій статті ми
пропонуємо новий метод штучного інтелекту під назвою прогресивне оптимізоване адаптивне дерево
рішень Red Fox (PRFO-ADT) для прогнозування надпровідності плівкових покриттів. Етап попередньої
обробки достатньої інформації, який стосується таких проблем, як створення ознак і нормалізація, є
частиною методики дослідження. Використовується різноманітний набір даних, включаючи коефіцієнти
синтезу, властивості наноматеріалів і моделі опору-температури кількох надпровідних плівок. Далі
зібрані дані проходять етап попередньої обробки з використанням мінімально-максимальної нормалізації. Запропонований нами метод відкриває двері для складного розуміння ландшафтів опору та температури
їхніх надпровідних плівок шляхом дослідження кількох нанотехнологій та їх різного впливу на алгоритм
прогнозування. Порівняно з іншими існуючими підходами, PRFO-ADT є ефективним і створює нижчий
рівень помилок із загальним значенням 1,2 RMSE, 1,25 MSE, 1,1 MAPE і 4,8 с часу обчислення. Integrating state-of-the-art nanostructures into prediction models enhances our understanding of superconductivity properties. Using artificial intelligence techniques and modeling, the mathematical method leverages the unique characteristics of nanoparticles to improve resistance-temperature projections. This paper proposes a novel artificial intelligence (AI) approach for predicting the resistance-temperature aspects of nanomaterial-infused superconducting films. In this paper, we offer a novel AI method called Progressive Red Fox Optimized Adaptive Decision Tree (PRFO-ADT) to predict the super conductiveness of film coatings. A sufficient information pretreatment step that addresses issues like feature creation and normalizing is part of the study's technique. A diversified dataset is employed, including synthesis factors, nanomaterial properties, and resistance-temperature patterns of several superconducting films. Next, the gathered data undergo the preprocessing stage using a min-max normalization. Our proposed method opens the door to a sophisticated comprehension of the resistance-temperature landscapes of their superconductivity films by investigating several nanotechnologies and their different effects on the prediction algorithm. Compared to other existing approaches, PRFO-ADT is efficient and produces a lower rate of errors, with a total of 1.2 RMSE, 1.25 MSE, 1.1 MAPE, and 4.8s of computing time. |
Appears in Collections: |
Журнал нано- та електронної фізики (Journal of nano- and electronic physics) |
Views
Unknown Country
1
Downloads
Unknown Country
1
Files
File | Size | Format | Downloads |
---|---|---|---|
Kumar_jnep_4_2024.pdf | 666.71 kB | Adobe PDF | 1 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.