Clasificación de trayectorias en dinámica molecular usando relaciones de equivalencia difusa y análisis de componentes principales

En Dinámica Molecular (DM) una configuración sucesiva es generada mediante la integración de las leyes de movimiento de Newton, las trayectorias resultantes nos dan información acerca de como las posiciones y velocidades de las partículas en el sistema, cambian con el transcurso del tiempo, en este...

Full description

Autores:
Castañeda Marín, Hernando
Rodríguez Graterol, Wladimir
Colina Morlés, Eliézer
Tipo de recurso:
Article of journal
Fecha de publicación:
2007
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/24100
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/24100
http://bdigital.unal.edu.co/15137/
Palabra clave:
Dinámica de Sistemas
Lógica Difusa
Aplicaciones de Inteligencia Artificial
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:En Dinámica Molecular (DM) una configuración sucesiva es generada mediante la integración de las leyes de movimiento de Newton, las trayectorias resultantes nos dan información acerca de como las posiciones y velocidades de las partículas en el sistema, cambian con el transcurso del tiempo, en este contexto lo que mayor costo computacional exige es la determinación de las fuerzas aplicadas a cada partícula en su respectiva posición ; generalmente en DM se suelen utilizar modelos simples, donde todas las colisiones son elásticas y ocurren cuando las separaciones entre los centros de las partículas son iguales al punto de discontinuidad del potencial. Al utilizar potenciales continuos la fuer za y la posición de las partículas dependen de la interacción con las restantes partículas del sistema generando una interacción de muchos cuerpos, una solución analítica no es posible aun en este problema. Existe una aproximación de potenciales atómicos que interactúan con funciones de entrenamiento analíticas mediante puntos de Datos. La principal tarea en el método propuesto es generar un conjunto de datos de entrenamiento mediante la acumulación de la funciones de potencial de Lennard Jones , extraer los rasgos estructurales a partir de sus trayectorias y particionar un número de objetos dinámicos en un pequeño número de clúster es, de tal forma que los objetos en cada cluster sean en lo más posible similar es y los objetos en diferentes clúster es son lo menos similar es , permitiendo predecir el comportamiento de las variables de salida El objetivo más amplio del tr abajo consiste en el análisis de un sistema molecular donde buscamos capturar importantes eventos por ejemplo la desintegración y fusión de defectos .La técnica utilizada es el reconocimiento de patrones temporales difusos. El concepto más importante que se presenta en este contexto es la opción de una medida relevante de la similaridad, que se utiliza par a la definición del criterio de agrupamiento.