वार्ता का शीर्षक: अनुभवजन्य से मशीन लर्निंग क्षमता तक: तरल एथिलीन ग्लाइकॉल मॉडलिंग

वक्ता: डॉ. अंजलि गौर, जेएनसीएएसआर, बेंगलुरु

कब? 6 जनवरी, 2025, शाम 5:00 बजे से

कहाँ? डी.एस. कोठारी सेमिनार हॉल, भौतिकी विभाग।

सार: सटीक संरचनात्मक और गतिशील गुणों के लिए अनुभवजन्य बल क्षेत्र (एफएफ) मापदंडों को परिष्कृत करना चुनौतीपूर्ण है, खासकर एथिलीन ग्लाइकॉल (ईजी) जैसी जटिल प्रणालियों के लिए। यहां तक ​​कि पानी जैसी बहुत ही सरल प्रणाली के लिए भी, 30 से अधिक एफएफ उपलब्ध हैं, और प्रत्येक के अपने लाभ और कमियां हैं।[1] एक परिष्कृत एफएफ नैनोसेकंड से माइक्रोसेकंड समय-सीमा पर रासायनिक प्रणालियों का अध्ययन करने में सक्षम बनाता है, एब इनिटियो आणविक गतिशीलता (एमडी) के विपरीत, जो कुछ 10 पिकोसेकंड तक सीमित है। गैस-चरण डीएफटी गणना, एब इनिटियो एमडी और शास्त्रीय एमडी सिमुलेशन के संयोजन से, हमने एक अनुभवजन्य एफएफ विकसित किया जो प्रयोगात्मक डेटा के साथ ईजी की तरल संरचना और गतिशीलता से सटीक रूप से मेल खाता है। [2] इसके अतिरिक्त, इसके जलीय घोलों में और तरल-वाष्प इंटरफेस में ईजी अणुओं के दिलचस्प अनुरूप परिवर्तन देखे गए। [3,4] हालांकि, पारंपरिक एफएफ इलेक्ट्रॉनिक ध्रुवीकरण को पकड़ने में विफल रहते हैं, जिससे द्विध्रुवीय क्षण और ढांकता हुआ स्थिरांक जैसे गुणों को पुन: उत्पन्न करने की उनकी क्षमता सीमित हो जाती है। इसे संबोधित करने के लिए, बल्क क्वांटम डीएफटी डेटा पर प्रशिक्षित मशीन-सीखी गई क्षमताएं मैन्युअल पैरामीटराइजेशन की आवश्यकता के बिना अधिक सटीक विकल्प प्रदान करती हैं। यहां प्रस्तुत संभावित मॉडलों की सादगी और प्रभावकारिता को देखते हुए, वे अन्य तरल पदार्थों के साथ ईजी के मिश्रण की जांच के लिए आदर्श हैं, जिसमें डीप यूटेक्टिक सॉल्वैंट्स और एंटी-फ्रीजिंग समाधान शामिल हैं।

[1] के. पथिरन्नाहलगे एट अल., जे. केम. इन्फ. मॉडल. (2021), 4521-4536। (लिंक)

[2] ए. गौर और एस. बालासुब्रमण्यम, फिज. केम. केम. फिज. (2022), 10985-10992. (लिंक)

[3] ए. गौर और एस. बालासुब्रमण्यम, केमिस्ट्रीओपन (2022), e202200132. (लिंक)

[4] ए. गौर और एस. बालासुब्रमण्यम, लैंगमुइर (2023), 230-240. (लिंक)

वक्ता के बारे में: डॉ. अंजलि गौर ने जेएनसीएएसआर, बेंगलुरु में प्रोफेसर बालासुब्रमण्यम सुंदरम के मार्गदर्शन में अपनी पीएचडी पूरी की। उनके डॉक्टरेट शोध में तरल पदार्थों के लिए बल क्षेत्र विकास और एब इनिटियो और शास्त्रीय आणविक गतिशीलता सिमुलेशन का उपयोग करके उनके भौतिक गुणों की जांच पर ध्यान केंद्रित किया गया। वर्तमान में, वह तरल एथिलीन ग्लाइकॉल के लिए मशीन लर्निंग क्षमता के विकास पर काम कर रही हैं। पोस्टडॉक्टरल शोधकर्ता के रूप में, वह बैटरी इलेक्ट्रोलाइट्स के लिए मशीन लर्निंग-आधारित शास्त्रीय बल क्षेत्रों के विकास पर प्रोफ़ेसर मैथ्यू सालाने के साथ काम करने के लिए PHENIX CNRS लैब में शामिल होंगी।

सभी का स्वागत है!

फ़्लायर:यहाँ