Machine learning based predictive modeling and correlation analysis of the electrocaloric effect in ferroelectrics
Ferroelektrik malzemelerde elektrokalorik etkinin makine öğrenimi tabanli öngörüsel modellemesi ve korelasyon analizi
- Tez No: 971084
- Danışmanlar: PROF. DR. EBRU MENŞUR TEK
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Metalurji Mühendisliği, Bilim ve Teknoloji, Engineering Sciences, Metallurgical Engineering, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrokalorik etki, katı hal soğutma teknolojileri için oldukça umut verici ve önemli bir fiziksel olgudur. Bu olgu, üretim parametreleri, malzeme kompozisyonu, ölçüm değişkenleri ve performans arasındaki kompleks ilişkileri de beraberinde getirmektedir. Bu kompleks ilişkiler ise sistematik bir optimizasyon sürecinin önemi ortaya koymaktadır. Bu tez, malzeme bilimi doğasındaki korelasyonları ortaya çıkarmak, elektrokalorik davranışı ve performansı modellemek ve optimize etmek için veri odaklı malzeme bilimi yaklaşımını ve makine öğrenimini kullanarak bu boşluğu doldurmaktadır. Literatürde yayınlanmış çalışmalardan kapsamlı veri kümeleri oluşturulmuş ve adyabatik sıcaklık değişimini doğru bir şekilde tahmin etmek için makine öğrenimi modeli eğitilmiştir. SHAP analizi, belirli bir sistemde baskın olan önemli özellikleri ve eğilimi göstermiştir. Bayesian optimizasyonları, farklı kısıtlamalar altında elektrokalorik yanıtı artıran mümkün olan en iyi işleme parametreleri kümesini aramak ve bulmak için kullanılmıştır. Sanal veri kümeleri oluşturulmuş ve yüksek performanslı alanları bulmak için öngörüsel kontur haritaları oluşturulmuştur. Bu tez, veri odaklı malzeme bilimi ve makine öğreniminin gizli kalıpları ortaya çıkarıp tanıyabileceğini ve yüksek performanslı malzemeler elde etmek için araştırmacılara rehberlik edebileceğini göstermektedir.
Özet (Çeviri)
The electrocaloric effect is an important and exciting phenomenon for the development of solid-state cooling technologies. However, the effect brings complex relationships between processing parameters, material composition, and performance. This complexity emphasizes the importance of systematic optimization. This thesis fills that gap by using the data-driven materials science approach and machine learning to reveal the correlations, predict, and optimize the electrocaloric behavior. Comprehensive datasets have been created from the published studies in the literature and machine learning model trained to accurately predict the adiabatic temperature change. SHAP analysis showed the important features and trend that are dominant in the specific system. Bayesian optimization frameworks were used to search and find the best possible set of processing parameters that increases the electrocaloric response under different constraints. Virtual datasets have been generated, and predictive contour maps are created to find the high-performance areas. This thesis shows that the data-driven materials science and machine learning can reveal and recognize the hidden patterns and guide the researchers for achieving high-performance materials.
Benzer Tezler
- Forecasting the performance of shale gas wells using machine learning
Makine öğrenmesi kullanarak şeyl gaz kuyularının performansının tahmin edilmesi
MOHAMMED SHEDAIVA
Yüksek Lisans
İngilizce
2023
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. FAZIL EMRE ARTUN
- Predicting battery state of health: The machine learning approach
Bataryanın sağlık durumunu tahmin etme: Makine öğrenimi yaklaşımı
ABDELMOUNAIM BENSABEUR
Yüksek Lisans
İngilizce
2024
Otomotiv Mühendisliğiİstanbul Okan ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN NEJAT TUNCAY
- Gelişmiş makine öğrenmesi ile sermaye piyasalarında kısa vadeli yön tahmini ve dinamik TP/SL analizi
Short-term direction forecasting in capital markets with advanced machine learning and dynamic TP/SL analysis
EMRE ARI
Doktora
Türkçe
2026
İstatistikİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Satış adedini etkileyen değişkenlerin keşfi ve duyarlılık analizi uygulaması: E-ticaret örneği
Discovery of variables affecting the number of sales and application of sensitivity analysis: E-commerce example
RABİA AYDIN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Patlatma kaynaklı yer sarsıntısı tahmininde uyarlamalı bulanık çıkarım sistemi (ANFIS), destek vektör makineleri (SVM) ve gauss süreç regresyonu (GPR) tekniklerinin kullanımı
Application of adaptive-network based fuzzy inference system (ANFIS), support vector machines (SVM) and gaussian process regression (GPR) techniques for prediction of blast-induced ground vibrations
YAŞAR AĞAN
Yüksek Lisans
Türkçe
2023
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. TÜRKER HÜDAVERDİ