در این مطلب، ویدئو مبانی یادگیری ماشین برای علم مواد با پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 1:02:55
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,399 –> 00:00:02,080
همچنین ممکن است بتوانید روی
2
00:00:02,080 –> 00:00:04,400
صفحه خود ببینید موضوع آموزش
3
00:00:04,400 –> 00:00:06,560
امروز اصول یادگیری ماشین برای
4
00:00:06,560 –> 00:00:07,919
علم مواد با پایتون است،
5
00:00:07,919 –> 00:00:09,920
ما دوباره بسیار خوشحالیم که شریف
6
00:00:09,920 –> 00:00:11,840
عباس یک آموزش را به ما ارائه می دهد.
7
00:00:11,840 –> 00:00:14,080
8
00:00:14,080 –> 00:00:16,079
محقق پس از
9
00:00:16,079 –> 00:00:17,920
پذیرش موقعیت در دانشگاه دیاکین،
10
00:00:17,920 –> 00:00:19,920
اما ما هنوز هم بسیار خوشحال
11
00:00:19,920 –> 00:00:20,880
و سپاسگزاریم که
12
00:00:20,880 –> 00:00:22,400
شری با این مرکز درگیر است
13
00:00:22,400 –> 00:00:24,240
و این آموزش های عالی را ارائه می دهد.
14
00:00:24,240 –> 00:00:25,119
15
00:00:25,119 –> 00:00:26,720
16
00:00:26,720 –> 00:00:29,279
17
00:00:29,279 –> 00:00:31,920
من برای اینکه این همه را ممکن کردید و
18
00:00:31,920 –> 00:00:33,600
از همه تشکر میکنم
19
00:00:33,600 –> 00:00:36,719
که امروز وارد شدند، بنابراین
20
00:00:36,719 –> 00:00:39,040
کاری که من امروز انجام میدهم این است که
21
00:00:39,040 –> 00:00:40,000
22
00:00:40,000 –> 00:00:42,640
برخی از کدهای پایتون را مرور کنم که میتوانند یادگیری ماشین را انجام دهند
23
00:00:42,640 –> 00:00:43,920
24
00:00:43,920 –> 00:00:46,640
و تست یادگیری ماشینی که
25
00:00:46,640 –> 00:00:48,239
ما انجام میدهیم. امروز تمرکز بر روی
26
00:00:48,239 –> 00:00:51,360
آن پیش بینی شکاف نواری شکاف باند انرژی
27
00:00:51,360 –> 00:00:53,840
برای ساختارهای کریستالی است، اما
28
00:00:53,840 –> 00:00:56,960
این آموزش در واقع یک هدف
29
00:00:56,960 –> 00:00:57,600
دارد،
30
00:00:57,600 –> 00:01:01,039
هدف اصلی آن این است که به مردم یاد دهد چگونه
31
00:01:01,039 –> 00:01:02,960
از پایتون استفاده کنند تا انجام
32
00:01:02,960 –> 00:01:06,159
وظایف یادگیری ماشین با پایتون
33
00:01:06,159 –> 00:01:08,880
و با تعدادی از کتابخانه های پایتون
34
00:01:08,880 –> 00:01:10,960
یکی از
35
00:01:10,960 –> 00:01:13,439
کدهای کلیدی که
36
00:01:13,439 –> 00:01:14,400
امروز به شما نشان خواهم داد
37
00:01:14,400 –> 00:01:16,159
یک کتابخانه پایتون است که
38
00:01:16,159 –> 00:01:18,720
در علم مهیج ایجاد کرده ایم و
39
00:01:18,720 –> 00:01:22,240
می تواند استخراج ویژگی برای
40
00:01:22,240 –> 00:01:24,799
کریستال ها و کد استخراج ویژگی
41
00:01:24,799 –> 00:01:26,080
یا فرض کنید
42
00:01:26,080 –> 00:01:28,720
ویژگیسازی مجموعهای از
43
00:01:28,720 –> 00:01:30,479
توصیفگرها یا مجموعهای از ویژگیها را به ما میدهد که
44
00:01:30,479 –> 00:01:31,520
میتوانیم از آنها استفاده
45
00:01:31,520 –> 00:01:34,159
کنیم، من نمیخواهم بگویم
46
00:01:34,159 –> 00:01:35,680
پیشبینی خیلی دقیق شکاف باند،
47
00:01:35,680 –> 00:01:38,240
اما پیشبینی بدی نیست، بنابراین شما
48
00:01:38,240 –> 00:01:39,439
میدانید تا آخر می
49
00:01:39,439 –> 00:01:41,680
بینیم اما وقتی به
50
00:01:41,680 –> 00:01:43,040
پایان این آموزش
51
00:01:43,040 –> 00:01:45,759
رسیدیم از این استخراج کننده ویژگی استفاده خواهیم کرد
52
00:01:45,759 –> 00:01:48,159
تا
53
00:01:48,159 –> 00:01:50,320
ویژگی های تقریباً 4000
54
00:01:50,320 –> 00:01:51,680
ماده را استخراج کنیم
55
00:01:51,680 –> 00:01:53,520
و سپس شکاف باند آنها و مربع r را پیش بینی خواهیم کرد
56
00:01:53,520 –> 00:01:55,200
57
00:01:55,200 –> 00:01:57,759
که یک اندازه گیری دقت در یادگیری ماشینی
58
00:01:57,759 –> 00:01:58,240
59
00:01:58,240 –> 00:02:00,840
یا آمار، بالای
60
00:02:00,840 –> 00:02:03,600
0.71 یا 0.72 خواهد بود
61
00:02:03,600 –> 00:02:05,759
که بد نیست، یعنی
62
00:02:05,759 –> 00:02:07,600
همیشه جایی برای بهبود وجود دارد، همچنین به شما می
63
00:02:07,600 –> 00:02:08,639
64
00:02:08,639 –> 00:02:10,560
گویم که برای بهبود آن چه کاری می توان انجام داد.
65
00:02:10,560 –> 00:02:12,000
66
00:02:12,000 –> 00:02:14,480
دقت این آموزش عمدتاً عملی است،
67
00:02:14,480 –> 00:02:15,840
من قرار نیست پاورپوینت را نشان دهم،
68
00:02:15,840 –> 00:02:16,879
69
00:02:16,879 –> 00:02:18,560
اوه، فقط از طریق
70
00:02:18,560 –> 00:02:20,160
این
71
00:02:20,160 –> 00:02:23,360
نوت بوک google collab اجرا خواهم کرد، بنابراین این
72
00:02:23,360 –> 00:02:26,480
دفترچه یادداشت گوگل collab دارای متن و کد
73
00:02:26,480 –> 00:02:28,959
است و من را دارد تقسیم آن به دو
74
00:02:28,959 –> 00:02:30,400
بخش، بخش اول
75
00:02:30,400 –> 00:02:32,879
صرفاً به
76
00:02:32,879 –> 00:02:33,920
بررسی اصول اولیه می پردازد.
77
00:02:33,920 –> 00:02:35,760
شما می دانید یادگیری ماشینی چیست و
78
00:02:35,760 –> 00:02:38,720
چگونه از آن استفاده کنید،
79
00:02:38,720 –> 00:02:39,920
چگونه یادگیری ماشین را برای
80
00:02:39,920 –> 00:02:42,319
سیستم های کریستال انجام دهیم و سپس قسمت دوم
81
00:02:42,319 –> 00:02:43,280
،
82
00:02:43,280 –> 00:02:44,879
یادگیری ماشینی واقعی است.
83
00:02:44,879 –> 00:02:46,640
وظیفیم
84
00:02:46,640 –> 00:02:49,120
شکاف باند را پیشبینی کنیم تا جمعآوری کنیم یا
85
00:02:49,120 –> 00:02:50,080
86
00:02:50,080 –> 00:02:52,480
دادههایی را از یک پایگاه داده آنلاین برای
87
00:02:52,480 –> 00:02:53,680
مواد جمعآوری کنیم،
88
00:02:53,680 –> 00:02:56,239
این دادهها را به مجموعه داده تبدیل میکنیم و
89
00:02:56,239 –> 00:02:58,080
یادگیری ماشینی را روی آن مجموعه داده انجام
90
00:02:58,080 –> 00:03:01,680
میدهیم، بنابراین همه ما
91
00:03:01,680 –> 00:03:04,159
آمادهایم که برویم و البته لطفاً اگر میخواهید
92
00:03:04,159 –> 00:03:05,280
هر گونه سوالی
93
00:03:05,280 –> 00:03:07,680
دارید می توانید از یک چت برای پرسیدن از من در حین حرکت استفاده کنید
94
00:03:07,680 –> 00:03:09,360
زیرا همانطور که گفتم این به معنای
95
00:03:09,360 –> 00:03:10,400
عملی است،
96
00:03:10,400 –> 00:03:13,120
بنابراین اگر مشکلی برای باز کردن این
97
00:03:13,120 –> 00:03:13,840
پیوند دارید
98
00:03:13,840 –> 00:03:15,440
، برنامه تماس Google را که من فقط در چت قرار دادم
99
00:03:15,440 –> 00:03:17,360
100
00:03:17,360 –> 00:03:19,599
اگر دارید مشکل exe بریدن پایتون
101
00:03:19,599 –> 00:03:21,280
در این لینک فقط به من اطلاع دهید
102
00:03:21,280 –> 00:03:23,840
من هستم، سعی می کنم این را
103
00:03:23,840 –> 00:03:24,959
به کوتاهی
104
00:03:24,959 –> 00:03:28,799
یک مقدمه کوتاه کنم تا جایی که می توانم مجدداً
105
00:03:28,799 –> 00:03:32,400
بنابراین من در اینجا ویژگی را معرفی می کنم،
106
00:03:32,400 –> 00:03:34,799
کد ویژگی، کد ویژگی کریستال
107
00:03:34,799 –> 00:03:35,920
108
00:03:35,920 –> 00:03:38,400
که ما را قادر می سازد تا ویژگی ها را
109
00:03:38,400 –> 00:03:40,480
از کریستال ها استخراج کنیم،
110
00:03:40,480 –> 00:03:42,000
من یک سوال دارم که به collab دسترسی داشته باشید،
111
00:03:42,000 –> 00:03:44,799
بنابراین
112
00:03:44,799 –> 00:03:46,959
برای دسترسی به همکاری، آنچه شما باید انجام دهید این
113
00:03:46,959 –> 00:03:49,440
است که یک حساب Google
114
00:03:49,440 –> 00:03:51,920
داشته باشید، اگر روی پیوند کلیک کنید. شما
115
00:03:51,920 –> 00:03:53,040
می خواهید
116
00:03:53,040 –> 00:03:55,280
حرفه ای شوید، می دانید که باید شما را به صفحه همکاری ببرد،
117
00:03:55,280 –> 00:03:57,680
118
00:03:58,840 –> 00:04:00,480
119
00:04:00,480 –> 00:04:04,239
اوه جالب
120
00:04:04,480 –> 00:04:07,599
باشه، عذرخواهی می کنم، من
121
00:04:07,599 –> 00:04:10,640
واقعاً باید ترتیب
122
00:04:10,640 –> 00:04:13,840
می دادم که اوه، پس کاری که الان انجام می دهم این
123
00:04:13,840 –> 00:04:17,519
است که فقط این را به اشتراک بگذارم، منظور من
124
00:04:17,519 –> 00:04:18,478
این است که
125
00:04:18,478 –> 00:04:21,439
126
00:04:21,839 –> 00:04:25,199
قبل از جلسه همکاری را به اشتراک بگذارید اما
127
00:04:25,199 –> 00:04:26,560
کاملاً صادقانه بگویم من واقعاً
128
00:04:26,560 –> 00:04:28,320
فراموش کردم
129
00:04:28,320 –> 00:04:33,360
پس اکنون آن را به اشتراک می گذارم دوم
130
00:04:33,360 –> 00:04:36,400
عذرخواهی از همه
131
00:04:38,960 –> 00:04:43,680
بیایید شریف را مقصر بدانیم
132
00:04:43,680 –> 00:04:46,960
که کاملاً خوب است بنابراین هر کسی که پیوند را
133
00:04:46,960 –> 00:04:49,360
انجام داده است بنابراین هر کسی که پیوند را دارد می
134
00:04:49,360 –> 00:04:53,199
توانید آن را باز کنید آن را در حال حاضر بنابراین شما می توانید نگاهی
135
00:04:53,520 –> 00:04:57,840
تیفانی می توانید امتحان کنید
136
00:04:59,199 –> 00:05:01,440
اوه، عالی است، بنابراین اگر یک
137
00:05:01,440 –> 00:05:03,680
حساب Google دارید، میتوانید کد را نیز اجرا کنید،
138
00:05:03,680 –> 00:05:04,960
139
00:05:04,960 –> 00:05:06,320
اگر ندارید، فقط
140
00:05:06,320 –> 00:05:08,639
میتوانید کد را در collab نمایش دهید،
141
00:05:08,639 –> 00:05:10,720
بنابراین دو بخش اول،
142
00:05:10,720 –> 00:05:12,400
یادگیری ماشینی برای مطالب است. علم
143
00:05:12,400 –> 00:05:14,400
شما ابتدا می دانید یا یک دید پرنده
144
00:05:14,400 –> 00:05:15,759
و بخش دوم انجام
145
00:05:15,759 –> 00:05:16,639
146
00:05:16,639 –> 00:05:19,360
یادگیری ماشینی است، بنابراین ما مجموعه ای از
147
00:05:19,360 –> 00:05:21,680
کدهای استخراج ویژگی
148
00:05:21,680 –> 00:05:24,160
را در Github من در دسترس داریم، من
149
00:05:24,160 –> 00:05:25,919
تا چند دقیقه دیگر به شما نشان خواهم داد که
150
00:05:25,919 –> 00:05:27,840
و ما از سادهترین آنها استفاده خواهیم کرد
151
00:05:27,840 –> 00:05:29,600
زیرا میدانید برای یک
152
00:05:29,600 –> 00:05:30,320
153
00:05:30,320 –> 00:05:32,240
آموزش کوتاه کوتاه
154
00:05:32,240 –> 00:05:34,320
نمیتوانم با کدهای استخراج ویژگی بسیار پیچیده
155
00:05:34,320 –> 00:05:36,320
156
00:05:36,320 –> 00:05:38,479
157
00:05:38,479 –> 00:05:40,000
158
00:05:40,000 –> 00:05:42,160
شما را آزار دهم. یک ماده وقتی می
159
00:05:42,160 –> 00:05:44,080
گویم ماده ای آه آن ماده می تواند یک
160
00:05:44,080 –> 00:05:46,160
مولکول باشد، می تواند مجموعه ای از مولکول ها باشد که
161
00:05:46,160 –> 00:05:46,720
با
162
00:05:46,720 –> 00:05:49,199
هم یک کریستال می سازند یا می تواند یک
163
00:05:49,199 –> 00:05:50,400
کریستال باشد می تواند الماس
164
00:05:50,400 –> 00:05:53,440
کاربید سیلیکون باشد می تواند گرافن باشد،
165
00:05:53,440 –> 00:05:54,639
فقط یک ورقه گرافن است
166
00:05:54,639 –> 00:05:56,960
یا بسیاری از شما گرافن را بشناسید ورق های
167
00:05:56,960 –> 00:05:57,919
روی هم
168
00:05:57,919 –> 00:05:59,919
که گرافیت را می سازند همه اینها
169
00:05:59,919 –> 00:06:00,960
مواد هستند و
170
00:06:00,960 –> 00:06:04,240
دانشمندان
171
00:06:04,240 –> 00:06:05,120
172
00:06:05,120 –> 00:06:08,479
با استفاده از فرمت
173
00:06:08,479 –> 00:06:09,600
174
00:06:09,600 –> 00:06:12,639
175
00:06:12,639 –> 00:06:15,840
های فایل خاصی اطلاعاتی در مورد مواد مبادله می کنند.
176
00:06:15,840 –> 00:06:16,560
177
00:06:16,560 –> 00:06:18,319
178
00:06:18,319 –> 00:06:20,560
اتمهای درون ماده مانند
179
00:06:20,560 –> 00:06:21,680
الماس است
180
00:06:21,680 –> 00:06:24,560
که داریم، فرض کنید هزار
181
00:06:24,560 –> 00:06:25,199
اتم کربن
182
00:06:25,199 –> 00:06:27,840
در یک کریستال الماس داریم، فقط یک
183
00:06:27,840 –> 00:06:30,319
فایل xyz داریم که هزار خط دارد،
184
00:06:30,319 –> 00:06:32,319
علاوه بر دو خط دیگر،
185
00:06:32,319 –> 00:06:33,600
لازم نیست در مورد آن زحمت بکشیم. اما من
186
00:06:33,600 –> 00:06:34,560
فقط
187
00:06:34,560 –> 00:06:36,880
سعی می کنم توضیح دهم که ما
188
00:06:36,880 –> 00:06:38,800
اطلاعاتی را در مورد مواد با استفاده از فایل ها مبادله می کنیم،
189
00:06:38,800 –> 00:06:41,520
بنابراین تصور کنید که یک
190
00:06:41,520 –> 00:06:42,479
فایل
191
00:06:42,479 –> 00:06:43,919
برای یک ماده دارید و سپس می توانید
192
00:06:43,919 –> 00:06:46,160
آن مطلب را با استفاده از
193
00:06:46,160 –> 00:06:47,919
نرم افزاری تجسم کنید تا بتوانید آن فایل را
194
00:06:47,919 –> 00:06:50,000
در نرم افزاری مانند آن باز کنید. شما می توانید
195
00:06:50,000 –> 00:06:50,800
196
00:06:50,800 –> 00:06:53,599
یک سند word را در مایکروسافت ورد باز کنید، ما
197
00:06:53,599 –> 00:06:54,160
198
00:06:54,160 –> 00:06:56,639
همچنین قادر به تجسم یک ماده یا
199
00:06:56,639 –> 00:06:58,319
ساختار اتمی
200
00:06:58,319 –> 00:07:01,520
با استفاده از نرم افزارهای خاصی مانند vesta
201
00:07:01,520 –> 00:07:06,240
یا mater هستیم. استودیوی متریال ia
202
00:07:06,240 –> 00:07:08,880
یا avogadro نرمافزارهای مختلف موجود زیادی
203
00:07:08,880 –> 00:07:11,199
وجود دارد،
204
00:07:11,199 –> 00:07:13,680
بنابراین در این نمودار اینجا امیدواریم
205
00:07:13,680 –> 00:07:15,039
که آن را ببینید،
206
00:07:15,039 –> 00:07:17,520
بگذارید بگوییم که ما یک ماده خوب
207
00:07:17,520 –> 00:07:18,560
داریم اگر میخواهید
208
00:07:18,560 –> 00:07:21,280
یادگیری ماشینی را برای مواد انجام دهید
209
00:07:21,280 –> 00:07:22,319
چه معنایی برای یادگیری ماشینی دارد.
210
00:07:22,319 –> 00:07:23,599
موادی را
211
00:07:23,599 –> 00:07:26,720
که میتوانید
212
00:07:26,720 –> 00:07:29,520
برای پیشبینی خاصیت خاصی برای یک
213
00:07:29,520 –> 00:07:30,960
ماده،
214
00:07:30,960 –> 00:07:33,280
یادگیری ماشینی انجام دهید یا میتوانید برای
215
00:07:33,280 –> 00:07:34,160
طبقهبندی
216
00:07:34,160 –> 00:07:38,000
یا طبقهبندی مواد به کلاسها یا
217
00:07:38,000 –> 00:07:39,840
218
00:07:39,840 –> 00:07:41,680
خوشهها، یادگیری ماشینی انجام دهید، اولین کار یادگیری نظارت شده نامیده میشود،
219
00:07:41,680 –> 00:07:43,280
بنابراین
220
00:07:43,280 –> 00:07:45,919
یک مدل یادگیری ماشین را با توجه به
221
00:07:45,919 –> 00:07:47,199
مجموعهای از مواد آموزش میدهید. مانند
222
00:07:47,199 –> 00:07:49,919
این ماده در اینجا شما هزاران عدد از آنها دارید که
223
00:07:49,919 –> 00:07:50,560
224
00:07:50,560 –> 00:07:52,639
هر کدام از آنها دارای خاصیت
225
00:07:52,639 –> 00:07:54,240
خاصی مانند شکاف نواری
226
00:07:54,240 –> 00:07:57,520
یا ظرفیت گرمایی هستند، به عنوان مثال برای
227
00:07:57,520 –> 00:07:58,400
این
228
00:07:58,400 –> 00:08:00,080
ماده، شکاف انفجاری برای آن ماده
229
00:08:00,080 –> 00:08:01,840
در اینجا بانکر و سپس و غیره و
230
00:08:01,840 –> 00:08:03,520
غیره است. به همین ترتیب
231
00:08:03,520 –> 00:08:05,599
اگر می خواهید به یک مدل یادگیری ماشینی آموزش دهید
232
00:08:05,599 –> 00:08:06,639
233
00:08:06,639 –> 00:08:09,680
تا بداند چگونه ویژگی آنها را پیش بینی کند یا به
234
00:08:09,680 –> 00:08:11,520
آن ویژگی هدف برای آن
235
00:08:11,520 –> 00:08:13,199
ماده می گویند به طوری که
236
00:08:13,199 –> 00:08:15,520
اگر اگر مواد جدید را در
237
00:08:15,520 –> 00:08:18,160
آینده بگوید، میتواند پیشبینی کند که ویژگیهایی که
238
00:08:18,160 –> 00:08:20,080
ما بر یادگیری نظارت میکنیم، بنابراین
239
00:08:20,080 –> 00:08:21,280
میتوانیم مجموعه دادهای
240
00:08:21,280 –> 00:08:24,879
از تعداد زیادی از این مواد به همراه
241
00:08:24,879 –> 00:08:25,360
242
00:08:25,360 –> 00:08:27,680
خواص محاسبهشده یا اندازهگیری شدهشان ایجاد کنیم،
243
00:08:27,680 –> 00:08:29,520
یک مدل یادگیری ماشینی را آموزش میدهیم،
244
00:08:29,520 –> 00:08:31,280
با توجه به اینکه این مواد در اینجا
245
00:08:31,280 –> 00:08:33,440
ویژگیها هستند. بنابراین یاد بگیرید که چگونه آن
246
00:08:33,440 –> 00:08:35,839
ویژگیها را برای این مواد پیشبینی کنید
247
00:08:35,839 –> 00:08:38,640
و سپس در آینده آن
248
00:08:38,640 –> 00:08:40,799
مدل را با مواد جدیدی که قبلاً ندیده است جا
249
00:08:40,799 –> 00:08:42,159
میدهیم و آزمایش میکنیم
250
00:08:42,159 –> 00:08:44,080
که آیا میتواند پیشبینی را انجام دهد
251
00:08:44,080 –> 00:08:46,720
یا خیر،
252
00:08:46,720 –> 00:08:50,720
اکنون مدلهای یادگیری ماشینی انتظار
253
00:08:50,720 –> 00:08:53,360
فرمت خاصی را دارند. برای دادهها اگر
254
00:08:53,360 –> 00:08:55,440
مادهای دارید همانطور که گفتم یک فایل است درست
255
00:08:55,440 –> 00:08:56,800
میتواند یک فایل متنی باشد
256
00:08:56,800 –> 00:08:58,959
که موقعیت اتمها را
257
00:08:58,959 –> 00:09:01,519
در یک کریستال نشان میدهد یا
258
00:09:01,519 –> 00:09:03,680
مدلهای یادگیری ماشینی یک مولکول از شما انتظار
259
00:09:03,680 –> 00:09:05,279
ندارند آن را مانند
260
00:09:05,279 –> 00:09:09,040
jpeg یا یا اوه شما ارائه دهید.
261
00:09:09,040 –> 00:09:12,080
فقط فایل متنی را که میدانید بشناسید یا فقط
262
00:09:12,080 –> 00:09:14,240
در مدلی که انتظار دارد
263
00:09:14,240 –> 00:09:15,440
264
00:09:15,440 –> 00:09:18,320
مجموعهای از اعداد را ارائه کنید، بنابراین ما باید راهی
265
00:09:18,320 –> 00:09:18,880
266
00:09:18,880 –> 00:09:22,000
برای بیان هر ماده به
267
00:09:22,000 –> 00:09:25,040
عنوان بردار اعداد پیدا کنیم. در اینجا مرحله
268
00:09:25,040 –> 00:09:26,240
269
00:09:26,240 –> 00:09:29,760
توسعه توصیفکنندههای خوب یا
270
00:09:29,760 –> 00:09:32,560
ویژگیهای یک ماده با تبدیل آن
271
00:09:32,560 –> 00:09:33,680
ساختار
272
00:09:33,680 –> 00:09:35,839
به مجموعهای از اعداد، آرایهای از
273
00:09:35,839 –> 00:09:38,399
اعداد، آرایهای یک بعدی از
274
00:09:38,399 –> 00:09:39,519
اعداد است.
275
00:09:39,519 –> 00:09:42,399
هر قالبی برای یادگیری ماشینی باید به
276
00:09:42,399 –> 00:09:43,839
277
00:09:43,839 –> 00:09:46,240
یک بعد یا آرایهای از اعداد
278
00:09:46,240 –> 00:09:48,160
درست آرایه ای
279
00:09:48,160 –> 00:09:50,640
مانند بردار اعداد خوب است، بنابراین این
280
00:09:50,640 –> 00:09:51,839
مرحله اول است، مرحله دوم
281
00:09:51,839 –> 00:09:54,640
مشکلی ندارد، حالا که مکانیزمی برای
282
00:09:54,640 –> 00:09:56,480
تولید آن اعداد داریم،
283
00:09:56,480 –> 00:09:59,440
بیایید این مکانیسم یا این کد
284
00:09:59,440 –> 00:09:59,920
را
285
00:09:59,920 –> 00:10:02,079
روی مجموعه ای از مواد اعمال کنیم، بنابراین ما اینجا یکی را داریم.
286
00:10:02,079 –> 00:10:03,680
287
00:10:03,680 –> 00:10:06,079
بیایید مواد و مواد بسیار بیشتری داشته باشیم
288
00:10:06,079 –> 00:10:08,000
که آن
289
00:10:08,000 –> 00:10:12,320
مکانیسم را برای یا کد مجازی سازی یا
290
00:10:12,320 –> 00:10:15,279
کد تولید توصیفگر برای آن دسته
291
00:10:15,279 –> 00:10:16,880
از مواد
292
00:10:16,880 –> 00:10:20,240
اعمال می کنیم تا بتوانیم یک ماتریس
293
00:10:20,240 –> 00:10:23,839
از اعداد بدست آوریم که ردیف های این معیارها
294
00:10:23,839 –> 00:10:24,640
295
00:10:24,640 –> 00:10:29,279
را مثال های آموزشی یا رکوردهای آموزشی
296
00:10:29,279 –> 00:10:31,200
می نامند. از آنها با یک
297
00:10:31,200 –> 00:10:32,640
ماده
298
00:10:32,640 –> 00:10:34,800
و توصیفگرهای محاسبه شده برای
299
00:10:34,800 –> 00:10:35,760
300
00:10:35,760 –> 00:10:39,120
حق مطلب مطابقت دارد، بنابراین شما با یک صفحه اکسل
301
00:10:39,120 –> 00:10:42,079
در نهایت با سطرهایی که هر سطر
302
00:10:42,079 –> 00:10:43,040
مطابقت دارد، به پایان می رسد.
303
00:10:43,040 –> 00:10:45,600
یک ماده و هر ستون یک اسکریپت اضافه می کند
304
00:10:45,600 –> 00:10:48,240
یا آن را برای آن ماده محاسبه می کند
305
00:10:48,240 –> 00:10:50,000
و سپس یک ویژگی هدف وجود دارد و
306
00:10:50,000 –> 00:10:51,680
شما می توانید چندین ویژگی هدف داشته
307
00:10:51,680 –> 00:10:52,560
باشید که می
308
00:10:52,560 –> 00:10:53,920
توانید بدانید که می توانید ایجاد کنید، به طوری که
309
00:10:53,920 –> 00:10:56,240
اساسا یک مجموعه داده است که در آن
310
00:10:56,240 –> 00:10:57,040
ورودی ها
311
00:10:57,040 –> 00:10:59,920
یا دادههای مادی و
312
00:10:59,920 –> 00:11:02,160
اینها اهداف یا خروجیهایی
313
00:11:02,160 –> 00:11:03,839
هستند که ویژگیهایی هستند که
314
00:11:03,839 –> 00:11:05,760
میخواهیم پیشبینی
315
00:11:05,760 –> 00:11:09,200
کنیم، بنابراین ما در حال آموزش یک مدل هستیم تا
316
00:11:09,200 –> 00:11:12,240
یاد بگیریم چگونه این
317
00:11:12,240 –> 00:11:15,040
توصیفگرها را به این ویژگیها نگاشت کنیم و
318
00:11:15,040 –> 00:11:16,560
این مدل در اینجا است و این
319
00:11:16,560 –> 00:11:17,920
یادگیری است که به
320
00:11:17,920 –> 00:11:19,920
این ترتیب یادگیری ماشینی شما این
321
00:11:19,920 –> 00:11:21,839
مجموعه داده را در یک مغز قرار
322
00:11:21,839 –> 00:11:24,640
میدهید، یک مغز مصنوعی، به این مغز کمک میکنید
323
00:11:24,640 –> 00:11:26,800
تا نحوه انجام نقشهبرداری را بیاموزد
324
00:11:26,800 –> 00:11:28,399
و این ممکن
325
00:11:28,399 –> 00:11:30,640
است در رابطه غیر خطی بسیار
326
00:11:30,640 –> 00:11:31,360
دشوار باشد،
327
00:11:31,360 –> 00:11:33,760
بلافاصله مشخص نیست که چگونه این کار را انجام دهید، اما
328
00:11:33,760 –> 00:11:34,800
329
00:11:34,800 –> 00:11:36,880
اگر این مدل یادگیری ماشینی به اندازه کافی خوب است و به
330
00:11:36,880 –> 00:11:38,640
اندازه کافی عمیق است
331
00:11:38,640 –> 00:11:41,680
که ممکن است قادر به دریافت آن باشد یا
332
00:11:41,680 –> 00:11:44,959
می دانید که نقشه برداری را درک کنید
333
00:11:44,959 –> 00:11:47,440
و سپس می توانید مدل های پیش بینی کننده
334
00:11:47,440 –> 00:11:50,320
برای ویژگی هایی که در آن هستید داشته باشید.
335
00:11:50,320 –> 00:11:53,200
من به خوبی علاقه داشتم تا اینجا خیلی خوب، امیدوارم همینطور باشد و در اینجا
336
00:11:53,200 –> 00:11:54,000
337
00:11:54,000 –> 00:11:55,519
فقط چند پاراگراف است که توضیح می دهد
338
00:11:55,519 –> 00:11:58,240
چه چیز جالبی در مورد
339
00:11:58,240 –> 00:12:01,920
collab collab چیست
340
00:12:01,920 –> 00:12:05,040
341
00:12:05,040 –> 00:12:06,959
.
342
00:12:06,959 –> 00:12:08,560
حتی نیاز به داشتن پایتون بر روی
343
00:12:08,560 –> 00:12:10,399
رایانه خود دارید تنها کاری که باید انجام دهید این است
344
00:12:10,399 –> 00:12:12,480
که collab را باز کنید و در واقع شروع به تایپ
345
00:12:12,480 –> 00:12:14,399
کد در collab
346
00:12:14,399 –> 00:12:16,800
کنید، بنابراین در اینجا یک مثال چاپ سلام
347
00:12:16,800 –> 00:12:18,639
علم مواد بلاه بلاه و سپس
348
00:12:18,639 –> 00:12:19,120
می توانم
349
00:12:19,120 –> 00:12:22,320
این یک دستور پایتون است، خوب من از آن استفاده می کنم
350
00:12:22,320 –> 00:12:23,680
تابع چاپ
351
00:12:23,680 –> 00:12:26,480
و ارسال یک رشته به آن، بنابراین اگر
352
00:12:26,480 –> 00:12:27,920
روی play کلیک کنم،
353
00:12:27,920 –> 00:12:30,720
بله، پس همین است که پایتون در
354
00:12:30,720 –> 00:12:31,839
واقع
355
00:12:31,839 –> 00:12:33,279
از طریق مرورگر کار میکند و آنچه در اینجا اتفاق میافتد
356
00:12:33,279 –> 00:12:35,360
این است که Google
357
00:12:35,360 –> 00:12:39,360
collab آزادانه از
358
00:12:39,360 –> 00:12:41,600
مفسرهای پایتون در فضای ابری استفاده میکند تا
359
00:12:41,600 –> 00:12:43,839
مردم بتوانند از آن برای
360
00:12:43,839 –> 00:12:46,399
اهداف آموزشی و تحقیقاتی استفاده کنید، با تشکر از
361
00:12:46,399 –> 00:12:48,000
گوگل برای این کار
362
00:12:48,000 –> 00:12:52,160
خوب، اکنون این قسمت در اینجا
363
00:12:52,160 –> 00:12:55,200
چند اصول اولیه پایتون است و من
364
00:12:55,200 –> 00:12:56,320
آن را در اینجا اضافه کرده
365
00:12:56,320 –> 00:12:59,600
ام در صورتی که هنوز به مقداری نیاز
366
00:12:59,600 –> 00:13:01,680
دارید که پیش زمینه ای در مورد چگونگی آن می دانید o چگونه پایتون
367
00:13:01,680 –> 00:13:03,760
چگونه کد پایتون بنویسم
368
00:13:03,760 –> 00:13:07,600
اوه اما من
369
00:13:07,600 –> 00:13:09,120
برای هدف این آموزش از آن صرف نظر می کنم، می
370
00:13:09,120 –> 00:13:11,519
خواهم فرض کنم که برنامه نویسی اسلش پایتون وجود دارد که ممکن است
371
00:13:11,519 –> 00:13:14,399
372
00:13:14,399 –> 00:13:15,120
فرترن
373
00:13:15,120 –> 00:13:18,240
اوه اسلش سی اسلش c بعلاوه تجربه
374
00:13:18,240 –> 00:13:21,279
ای وجود داشته باشد. نه
375
00:13:21,279 –> 00:13:23,680
پس این بخش بسیار خوبی
376
00:13:23,680 –> 00:13:26,000
برای شما خواهد بود که بعد از این
377
00:13:26,000 –> 00:13:29,200
آموزش ادامه دهید، بنابراین اگر می خواهید می توانید
378
00:13:29,200 –> 00:13:30,959
این آموزش را تماشا کنید، ما بلافاصله بعد از اتمام آموزش،
379
00:13:30,959 –> 00:13:33,200
ویدیوی آموزشی را در یوتیوب آپلود خواهیم کرد
380
00:13:33,200 –> 00:13:35,600
381
00:13:35,600 –> 00:13:36,959
382
00:13:36,959 –> 00:13:38,320
و پس میتوانید اگر دوست دارید،
383
00:13:38,320 –> 00:13:40,560
فقط میتوانید این موارد را مرور کنید،
384
00:13:40,560 –> 00:13:43,360
385
00:13:45,519 –> 00:13:48,480
و من هم یک فوترن انجام
386
00:13:48,480 –> 00:13:48,800
387
00:13:48,800 –> 00:13:52,000
میدهم، اوه تیفانی،
388
00:13:52,000 –> 00:13:55,839
برای اطلاع شما از طرفداران پر و پا قرص فرترن هستم،
389
00:13:55,839 –> 00:13:59,040
اما python rocks درست
390
00:13:59,040 –> 00:13:59,360
391
00:13:59,360 –> 00:14:03,519
است. روند در حال حاضر مشکلی
392
00:14:03,519 –> 00:14:06,959
نیست، بنابراین شما می توانید
393
00:14:06,959 –> 00:14:09,839
پس از آموزش به پایتون و این مقدمه پایتون برگردید، بسیار
394
00:14:09,839 –> 00:14:10,639
خوب
395
00:14:10,639 –> 00:14:12,959
و من چند مورد از موارد کلیدی
396
00:14:12,959 –> 00:14:15,199
را در اینجا اضافه کرده ام که باید
397
00:14:15,199 –> 00:14:17,360
درک کنید که کد چگونه کار می کند.
398
00:14:17,360 –> 00:14:19,360
دنبال کردن کد، کدی که در زیر آمده است کار می
399
00:14:19,360 –> 00:14:20,880
کند بخشها را بنویسید
400
00:14:20,880 –> 00:14:24,160
تا رشتههای دستور چاپ در
401
00:14:24,160 –> 00:14:26,079
انواع دادههای پایتون متغیرها عملیات حسابی
402
00:14:26,079 –> 00:14:27,279
403
00:14:27,279 –> 00:14:30,800
مقایسه um
404
00:14:30,800 –> 00:14:34,560
فرهنگ لغت عبارت شرطی اگر
405
00:14:34,560 –> 00:14:38,160
عبارات حلقه در حالی که
406
00:14:38,160 –> 00:14:41,440
کتابخانههای حلقه و پایتون فقط
407
00:14:41,440 –> 00:14:42,560
سطح
408
00:14:42,560 –> 00:14:45,440
پایتون را خراش میدهند، میتوانید آن را به عنوان یک
409
00:14:45,440 –> 00:14:48,160
آموزش کودک بسیار کوچک
410
00:14:48,160 –> 00:14:50,240
در حال حاضر در نظر بگیرید. من فقط از همه اینها صرف نظر
411
00:14:50,240 –> 00:14:53,600
می کنیم و به پروژه مواد می
412
00:14:53,600 –> 00:14:57,519
رویم. اکنون در مورد
413
00:14:57,519 –> 00:15:00,160
ساخت مجموعه داده ای از مواد صحبت می کردیم و اینکه چگونه
414
00:15:00,160 –> 00:15:02,480
مجموعه داده های مواد را بسازیم
415
00:15:02,480 –> 00:15:04,320
، منظورم این است که همانطور که گفتم داده های مواد را از کجا می گیریم.
416
00:15:04,320 –> 00:15:06,639
اطلاعاتی را که می توانید از
417
00:15:06,639 –> 00:15:07,199
آنها دریافت کنید،
418
00:15:07,199 –> 00:15:10,880
می دانید فایل هایی مانند یک فایل فایل xyz
419
00:15:10,880 –> 00:15:14,079
برای نشان داده شده مانند یک
420
00:15:14,079 –> 00:15:17,519
مولکول co2 برای مثال و فایل xyz برای uh.
421
00:15:17,519 –> 00:15:19,600
422
00:15:19,600 –> 00:15:20,399
423
00:15:20,399 –> 00:15:23,440
424
00:15:23,440 –> 00:15:26,000
425
00:15:26,000 –> 00:15:28,240
اتم کربن
426
00:15:28,240 –> 00:15:32,000
o و o سمت راست co2 و علاوه بر
427
00:15:32,000 –> 00:15:32,560
428
00:15:32,560 –> 00:15:35,040
آن فرمت فایل xyz باید
429
00:15:35,040 –> 00:15:37,680
این خطوط را با دو خط دیگر ادامه دهید
430
00:15:37,680 –> 00:15:40,079
، خط اول به این دلیل است که می گوید
431
00:15:40,079 –> 00:15:42,000
که سه اتم مولکولی در
432
00:15:42,000 –> 00:15:42,800
این سیستم
433
00:15:42,800 –> 00:15:44,880
با این فایل وجود دارد و سپس یک خط خالی
434
00:15:44,880 –> 00:15:45,839
که میتوانید
435
00:15:45,839 –> 00:15:49,440
بنویسید که میدانید نظر میدهید یا مقداری
436
00:15:49,440 –> 00:15:51,839
om که توسط کامپایلر نادیده گرفته میشود
437
00:15:51,839 –> 00:15:53,600
یا میدانید
438
00:15:53,600 –> 00:15:55,040
که با هر
439
00:15:55,040 –> 00:15:56,720
نرمافزاری که باز میشود از آن رد میشود. یا خواندن
440
00:15:56,720 –> 00:15:58,720
فایل xyz،
441
00:15:58,720 –> 00:16:01,360
بنابراین ما به فایلهای داده زیادی برای مواد نیاز داریم
442
00:16:01,360 –> 00:16:02,079
443
00:16:02,079 –> 00:16:04,720
و از کجا میتوانیم آنها را از پروژه مواد دریافت کنیم
444
00:16:04,720 –> 00:16:05,519
،
445
00:16:05,519 –> 00:16:08,639
یکی از
446
00:16:08,639 –> 00:16:12,160
پایگاههای داده شگفتانگیز و واقعاً جالب مواد است
447
00:16:12,160 –> 00:16:13,360
448
00:16:13,360 –> 00:16:15,440
که توسط دولت ایالات متحده
449
00:16:15,440 –> 00:16:17,680
در زمان اوباما
450
00:16:17,680 –> 00:16:20,800
و و دادههای مادی بسیار زیادی دارد،
451
00:16:20,800 –> 00:16:22,959
اجازه دهید شما را خیلی
452
00:16:22,959 –> 00:16:23,600
سریع
453
00:16:23,600 –> 00:16:27,199
از طریق پروژه مواد در اینجا
454
00:16:28,160 –> 00:16:29,839
ببرم، من از آلیاژ پروژه مواد در
455
00:16:29,839 –> 00:16:31,759
تحقیقاتم استفاده میکنم و
456
00:16:31,759 –> 00:16:35,600
زمان زیادی از آن در
457
00:16:35,600 –> 00:16:39,519
مقالات فاکتور تاثیر برتر استفاده شده است، دلیل آن
458
00:16:39,519 –> 00:16:42,399
میزبان پروژه مواد است. مقدار انبوهی
459
00:16:42,399 –> 00:16:43,440
از مواد
460
00:16:43,440 –> 00:16:46,880
بیش از 130 000 که می توانید به آن بروید
461
00:16:46,880 –> 00:16:49,360
و به تعداد
462
00:16:49,360 –> 00:16:50,399
463
00:16:50,399 –> 00:16:53,680
مواد موجود در پروژه مواد نگاهی بیندازید، اوه 144
464
00:16:53,680 –> 00:16:56,959
000 است که بسیار سریع است. چند ماه پیش 1 30
465
00:16:56,959 –> 00:16:58,480
بود،
466
00:16:58,480 –> 00:17:01,120
بنابراین تعداد آنها مدام در حال افزایش است، بنابراین
467
00:17:01,120 –> 00:17:03,040
آنچه در اینجا اتفاق می افتد این است که برخی از افراد
468
00:17:03,040 –> 00:17:06,160
مواد را از ابتدا تولید می
469
00:17:06,160 –> 00:17:08,640
کنند یا آنها را از منابع دیگر
470
00:17:08,640 –> 00:17:10,160
471
00:17:10,160 –> 00:17:14,559
از اندازه گیری ها دریافت می کنند و کاری که انجام می دهند این است
472
00:17:14,559 –> 00:17:16,640
که آنها این مواد
473
00:17:16,640 –> 00:17:18,959
را در ساختاری یکپارچه نشان می
474
00:17:18,959 –> 00:17:22,640
دهند. فایلها را میگیرند و این
475
00:17:22,640 –> 00:17:23,679
فایلها
476
00:17:23,679 –> 00:17:27,280
را به یک گردش کار تئوری تابعی چگالی dft منتقل
477
00:17:27,280 –> 00:17:27,839
میکنند
478
00:17:27,839 –> 00:17:31,360
و آن گردش کار dft
479
00:17:31,360 –> 00:17:33,280
آنچه انجام میدهد
480
00:17:33,280 –> 00:17:36,559
دادههای مواد را از فایل داده میگیرد و سپس
481
00:17:36,559 –> 00:17:39,760
محاسبات ft را انجام میدهد و یکی از
482
00:17:39,760 –> 00:17:41,200
شما میداند که محاسبات dft زیادی
483
00:17:41,200 –> 00:17:43,280
را انجام میدهد. بر روی آن مواد،
484
00:17:43,280 –> 00:17:45,360
بنابراین برای همه مواد در پروژه مواد،
485
00:17:45,360 –> 00:17:47,919
یکی از محاسبات کلیدی dft
486
00:17:47,919 –> 00:17:50,000
که انجام شده است، محاسبه شکاف باند است،
487
00:17:50,000 –> 00:17:50,799
بنابراین
488
00:17:50,799 –> 00:17:54,080
برای تمام 144.595
489
00:17:54,080 –> 00:17:56,160
000 ماده موجود در پروژه مواد،
490
00:17:56,160 –> 00:17:58,480
ما می دانیم که شکاف باند چیست،
491
00:17:58,480 –> 00:18:01,600
بنابراین تصور کنید می توانید همه را پرس و جو کنید. از
492
00:18:01,600 –> 00:18:03,440
پروژه مواد در مواد
493
00:18:03,440 –> 00:18:06,559
بر اساس شکاف باند، بنابراین اجازه
494
00:18:06,559 –> 00:18:09,280
دهید مثالی از نحوه پرس و جو در اینجا
495
00:18:09,280 –> 00:18:11,360
به شما نشان دهم، به عنوان مثال فرض کنید ما همه
496
00:18:11,360 –> 00:18:12,840
m را می خواهیم موادی که
497
00:18:12,840 –> 00:18:16,080
کربن و شاید فسفر دارند
498
00:18:16,080 –> 00:18:19,600
و علاوه بر آن
499
00:18:19,600 –> 00:18:22,240
میتوانید مقداری فیلتر روی شکاف نواری قرار دهید،
500
00:18:22,240 –> 00:18:23,039
فرض کنید
501
00:18:23,039 –> 00:18:25,039
ما همه آن موادی را میخواهیم که
502
00:18:25,039 –> 00:18:27,039
فاصله باند آنها از
503
00:18:27,039 –> 00:18:30,880
2.5 تا 8 باشد.
504
00:18:30,880 –> 00:18:34,000
505
00:18:34,000 –> 00:18:37,360
و دوباره جستجو کنید، بنابراین اینها
506
00:18:37,360 –> 00:18:38,960
مواد مبتنی بر کربن هستند
507
00:18:38,960 –> 00:18:42,000
که فاصله باند آنها از 2.5 تا
508
00:18:42,000 –> 00:18:43,200
8.1
509
00:18:43,200 –> 00:18:45,120
به عنوان مثال است، به طوری که البته
510
00:18:45,120 –> 00:18:46,720
قرار بود الماس و مواد دیگر را نیز شامل شود
511
00:18:46,720 –> 00:18:47,919
،
512
00:18:47,919 –> 00:18:50,799
اکنون یک رابط وب برای پروژه مواد وجود دارد،
513
00:18:50,799 –> 00:18:52,799
همانطور که می بینید و
514
00:18:52,799 –> 00:18:54,240
پروژه مواد. همچنین یک
515
00:18:54,240 –> 00:18:56,000
رابط برای کاوشگر باتری خود در اختیار
516
00:18:56,000 –> 00:18:58,880
شما قرار می دهد و می توانید
517
00:18:58,880 –> 00:19:00,960
518
00:19:00,960 –> 00:19:03,200
ویژگی های متأسفانه باتری را برای مواد
519
00:19:03,200 –> 00:19:04,559
باتری خاص مواد باتری کاوش
520
00:19:04,559 –> 00:19:05,520
کنید که
521
00:19:05,520 –> 00:19:07,600
احتمالاً موضوعی برای آموزش آینده خواهد بود،
522
00:19:07,600 –> 00:19:08,640
اما در حال حاضر
523
00:19:08,640 –> 00:19:11,360
ما فقط به این بیت در اینجا علاقه مند هستیم،
524
00:19:11,360 –> 00:19:12,000
اما چه
525
00:19:12,000 –> 00:19:13,679
زمانی ما قصد
526
00:19:13,679 –> 00:19:16,000
داریم برنامه نویسی پایتون انجام دهیم، ما به پروژه مواد دسترسی داریم
527
00:19:16,000 –> 00:19:17,679
528
00:19:17,679 –> 00:19:20,559
نه از طریق رابط وب، بلکه از طریق رابط پایتون
529
00:19:20,559 –> 00:19:22,160
به آن دسترسی خواهیم داشت
530
00:19:22,160 –> 00:19:24,000
. ace یا چیزی که
531
00:19:24,000 –> 00:19:26,559
رابط برنامه نویسی برنامه api نامیده می شود
532
00:19:26,559 –> 00:19:27,760
و امیدوارم که این
533
00:19:27,760 –> 00:19:30,799
مخفف را درست گفته باشم بنابراین api در
534
00:19:30,799 –> 00:19:33,679
پروژه مواد به
535
00:19:33,679 –> 00:19:34,160
نام
536
00:19:34,160 –> 00:19:37,600
pi met jin است بنابراین pyma gen نام
537
00:19:37,600 –> 00:19:40,000
کتابخانه api پروژه مواد
538
00:19:40,000 –> 00:19:42,080
است که به شما امکان دسترسی می دهد. به
539
00:19:42,080 –> 00:19:43,360
540
00:19:43,360 –> 00:19:46,320
پایگاه داده پروژه مواد علاوه بر
541
00:19:46,320 –> 00:19:46,960
542
00:19:46,960 –> 00:19:50,240
چیزهای بسیار جالب دیگر، بنابراین pi Image
543
00:19:50,240 –> 00:19:51,440
شما را قادر می سازد تا در
544
00:19:51,440 –> 00:19:54,480
واقع پردازش و محاسبات
545
00:19:54,480 –> 00:19:56,799
روی فایل های ساختاری برای مثال یا
546
00:19:56,799 –> 00:19:57,600
547
00:19:57,600 –> 00:20:00,880
فایل های ساختار مواد را انجام دهید و
548
00:20:00,880 –> 00:20:02,640
این یکی از موضوعات اصلی خواهد بود. از این
549
00:20:02,640 –> 00:20:03,919
آموزش
550
00:20:03,919 –> 00:20:06,880
خوب است، بنابراین ویژگی های dft همانطور که گفتم
551
00:20:06,880 –> 00:20:09,280
محاسبه می شود شامل فاصله باند
552
00:20:09,280 –> 00:20:10,960
و همچنین چند ویژگی دیگر است
553
00:20:10,960 –> 00:20:12,400
که به طور معمول
554
00:20:12,400 –> 00:20:14,480
علاوه بر فاصله باند
555
00:20:14,480 –> 00:20:16,559
در هر محاسبه dft محاسبه می شود
556
00:20:16,559 –> 00:20:18,400
و می توانید بر اساس آنها فیلترینگ در پروژه مواد انجام دهید.
557
00:20:18,400 –> 00:20:20,240
558
00:20:20,240 –> 00:20:23,120
و چرا mp یا پروژه مواد از
559
00:20:23,120 –> 00:20:24,799
این به بعد من آن را mp می نامم
560
00:20:24,799 –> 00:20:26,400
چرا mp برای یادگیری ماشینی عالی
561
00:20:26,400 –> 00:20:28,640
است زیرا داده های زیادی دارد
562
00:20:28,640 –> 00:20:30,400
و شما بدانید هر زمان که دادهای وجود دارد که
563
00:20:30,400 –> 00:20:31,760
یادگیری ماشینی است، بنابراین
564
00:20:31,760 –> 00:20:34,080
محصول مواد دارای مقدار زیادی از آن
565
00:20:34,080 –> 00:20:34,880
566
00:20:34,880 –> 00:20:38,000
است، بیوایما کتابخانه پایتون است که به یادگیری ماشین دسترسی پیدا میکند،
567
00:20:38,000 –> 00:20:38,960
568
00:20:38,960 –> 00:20:43,039
متأسفم به پایگاه داده پروژه مواد
569
00:20:43,039 –> 00:20:45,760
و برای شروع برنامهنویسی، بنابراین
570
00:20:45,760 –> 00:20:47,200
من اکنون برنامهنویسی را شروع میکنم. من شروع به
571
00:20:47,200 –> 00:20:48,720
نشان دادن کدی به شما می کنم که در واقع
572
00:20:48,720 –> 00:20:50,400
اکنون در حال اجرا است،
573
00:20:50,400 –> 00:20:52,480
بنابراین pymagen برای اینکه بتوانیم از آن استفاده
574
00:20:52,480 –> 00:20:53,919
کنیم باید ابتدا آن را نصب کنیم، بنابراین اولین
575
00:20:53,919 –> 00:20:55,120
کاری که در اینجا انجام می دهیم
576
00:20:55,120 –> 00:20:58,880
این است که این
577
00:20:58,960 –> 00:21:01,840
کد را در اینجا اجرا کنیم pip3 installed prime engine
578
00:21:01,840 –> 00:21:03,039
و چون ما تایپ کردن
579
00:21:03,039 –> 00:21:05,760
53 که نصب کننده در نصب کننده
580
00:21:05,760 –> 00:21:07,360
کتابخانه پایتون است، زیرا ما
581
00:21:07,360 –> 00:21:07,600
آن را در داخل تایپ می کنیم،
582
00:21:07,600 –> 00:21:09,600
شما می دانید یک مفسر کد پایتون
583
00:21:09,600 –> 00:21:11,520
، ما با علامت تعجب ادامه دادیم:
584
00:21:11,520 –> 00:21:13,600
585
00:21:13,600 –> 00:21:16,960
باشه متاسفم
586
00:21:16,960 –> 00:21:18,640
خوب است بنابراین ما این کد را اجرا می کنیم و به هر حال
587
00:21:18,640 –> 00:21:20,320
این نتایج را دریافت می کنیم زیرا برخی از
588
00:21:20,320 –> 00:21:22,080
این کدها اجرای آنها کمی طول می کشد،
589
00:21:22,080 –> 00:21:23,440
من آنها را به صورت زنده اجرا نمی
590
00:21:23,440 –> 00:21:25,919
کنم، فقط نتایج را به شما نشان می دهم و
591
00:21:25,919 –> 00:21:27,760
کاری که می توانید انجام دهید این است که در حالی که در حال تماشای
592
00:21:27,760 –> 00:21:28,240
هستید، می توانید
593
00:21:28,240 –> 00:21:30,640
شروع کنید، فقط می توانید اگر گوگل را دارید روی پخش کلیک کنید.
594
00:21:30,640 –> 00:21:31,600
595
00:21:31,600 –> 00:21:33,120
حساب کاربری شما
596
00:21:33,120 –> 00:21:34,960
میتوانید بازی را ببینید و میتوانید در واقع
597
00:21:34,960 –> 00:21:38,880
کد را اجرا کنید، بنابراین اگر این تماس را اجرا کنم، اگر این کد
598
00:21:38,880 –> 00:21:39,840
599
00:21:39,840 –> 00:21:43,280
را اجرا کنم، پی را روی نوتبوک من
600
00:21:43,280 –> 00:21:45,760
در فضای ابری نصب میکند، نه روی
601
00:21:45,760 –> 00:21:46,320
رایانه.
602
00:21:46,320 –> 00:21:48,320
در جایی در گوگل نصب شده است
603
00:21:48,320 –> 00:21:49,600
604
00:21:49,600 –> 00:21:53,360
، اوکی ام اگر می خواهید
605
00:21:53,360 –> 00:21:56,159
uh pi را نصب کنید تصور کنید در خارج از
606
00:21:56,159 –> 00:21:57,760
کامپیوتر خود می دانید روی
607
00:21:57,760 –> 00:21:59,200
ترمینال خود می دانید، می توانید فقط
608
00:21:59,200 –> 00:21:59,679
609
00:21:59,679 –> 00:22:03,120
این خط را کپی کنید و آن را کپی کنید و در
610
00:22:03,120 –> 00:22:04,080
ترمینال خود جایگذاری کنید
611
00:22:04,080 –> 00:22:06,320
و اجرا کنید. و موتور پرایم را در ترمینال خودتان نصب میکند،
612
00:22:06,320 –> 00:22:08,640
613
00:22:08,640 –> 00:22:11,520
بنابراین اساساً در سیستم شما بسیار خوب است، من
614
00:22:11,520 –> 00:22:12,400
مدام گفتم
615
00:22:12,400 –> 00:22:15,360
که فرمتهای فایل ساختاری وجود دارد و
616
00:22:15,360 –> 00:22:18,320
فایل xyz را مثال زدم که اکنون
617
00:22:18,320 –> 00:22:21,440
فایل xyz عالی است زیرا نشان میدهد
618
00:22:21,440 –> 00:22:23,039
که موقعیتهای اتمی کجا هستند
619
00:22:23,039 –> 00:22:25,600
اما اینطور نیست. اطلاعاتی در مورد ساختار کریستال به شما می دهم
620
00:22:25,600 –> 00:22:27,280
621
00:22:27,280 –> 00:22:28,400
به یاد داشته باشید که ما با
622
00:22:28,400 –> 00:22:30,400
سیستم های کریستالی سر و کار داریم و یک سیستم کریستالی
623
00:22:30,400 –> 00:22:32,080
بر اساس
624
00:22:32,080 –> 00:22:35,360
یک سلول واحد است و اساساً بخشی از یک
625
00:22:35,360 –> 00:22:36,480
الگوی بزرگ است
626
00:22:36,480 –> 00:22:38,240
به طوری که سلول واحد در طول آن تکرار می شود.
627
00:22:38,240 –> 00:22:41,280
محور x در امتداد محور y در امتداد
628
00:22:41,280 –> 00:22:42,159
محور z
629
00:22:42,159 –> 00:22:45,679
راست فرض کنیم x y z که بهتر است من
630
00:22:45,679 –> 00:22:46,480
فکر میکنم
631
00:22:46,480 –> 00:22:49,760
برای اینکه بتوان d
632
00:22:49,760 –> 00:22:53,039
به um چنین
633
00:22:53,039 –> 00:22:54,960
اطلاعاتی را نشان داد در مورد شما واحدهای تکراری
634
00:22:54,960 –> 00:22:57,440
یا تکرارپذیری واحد را میدانید
635
00:22:57,440 –> 00:22:58,480
سلولی
636
00:22:58,480 –> 00:23:00,480
که باید در مورد آن اطلاعاتی داشته
637
00:23:00,480 –> 00:23:02,720
باشیم یا باید
638
00:23:02,720 –> 00:23:05,200
اطلاعات مربوط به اندازه آن
639
00:23:05,200 –> 00:23:07,360
کریستال یا آن سلول واحد را در فایل ساختار قرار دهیم
640
00:23:07,360 –> 00:23:10,960
، یک فایل ساختار کریستالی بسیار شناخته شده به
641
00:23:10,960 –> 00:23:13,039
نام sif وجود دارد که
642
00:23:13,039 –> 00:23:14,080
643
00:23:14,080 –> 00:23:17,039
رسانه تبادل فایل اطلاعات کریستالوگرافی است یا
644
00:23:17,039 –> 00:23:18,720
فرض کنید فرمت تبادل
645
00:23:18,720 –> 00:23:22,320
اطلاعات کریستال در اینترنت
646
00:23:22,320 –> 00:23:26,000
تقریباً همه پایگاههای دادهای که
647
00:23:26,000 –> 00:23:28,799
اطلاعات کریستالی را برای
648
00:23:28,799 –> 00:23:30,640
مواد ارائه
649
00:23:30,640 –> 00:23:33,520
میدهند، با استفاده از قالب sif مانند
650
00:23:33,520 –> 00:23:36,320
پروژه مواد icsd و حتی جریانی
651
00:23:36,320 –> 00:23:37,840
که حتی بزرگتر از
652
00:23:37,840 –> 00:23:40,159
پروژه مواد afloat.org است، این کار را انجام میدهند.
653
00:23:40,159 –> 00:23:43,039
a همچنین یک کتابخانه آنلاین مواد است که
654
00:23:43,039 –> 00:23:44,799
دارای سه میلیون و نیم
655
00:23:44,799 –> 00:23:48,080
متریال است، بنابراین همه آنها
656
00:23:48,080 –> 00:23:50,320
اطلاعات مواد را از طریق فایل sif تبادل می کنند،
657
00:23:50,320 –> 00:23:52,559
بنابراین فایل فشرده به شما بگویم
658
00:23:52,559 –> 00:23:53,440
که اتم ها کجا هستند
659
00:23:53,440 –> 00:23:56,000
و اندازه سلول واحد اصلی است، فقط
660
00:23:56,000 –> 00:23:56,480
661
00:23:56,480 –> 00:23:58,559
خوب است که ممکن است چیزهای دیگری در
662
00:23:58,559 –> 00:23:59,760
فایل فشرده
663
00:23:59,760 –> 00:24:02,000
برای اشغال جزئی اتم ها وجود داشته باشد، اما
664
00:24:02,000 –> 00:24:03,679
ما در حال حاضر با این موضوع مقابله نمی کنیم،
665
00:24:03,679 –> 00:24:04,480
666
00:24:04,480 –> 00:24:06,559
من وانمود می کنم که شما حتی این کار را نکرده اید. بشنوید که می گویم
667
00:24:06,559 –> 00:24:08,240
اشغال های جزئی
668
00:24:08,240 –> 00:24:12,080
در حال حاضر خوب است،
669
00:24:12,080 –> 00:24:16,240
پس چگونه می توانیم
670
00:24:16,240 –> 00:24:19,600
یک فایل sf را با استفاده از pymagin بخوانیم یا بنویسیم.
671
00:24:19,600 –> 00:24:21,360
672
00:24:21,360 –> 00:24:23,120
673
00:24:23,120 –> 00:24:26,799
674
00:24:26,799 –> 00:24:28,880
یک نمونه فایل فشرده که
675
00:24:28,880 –> 00:24:31,440
من در github خودم میزبانی می کنم،
676
00:24:31,440 –> 00:24:32,960
بنابراین کاری که می خواهیم انجام دهیم این است
677
00:24:32,960 –> 00:24:34,880
که آن فایل فشرده را
678
00:24:34,880 –> 00:24:38,400
با استفاده از تابع درخواست در url open
679
00:24:38,400 –> 00:24:41,360
Library python دانلود می کنیم و سپس از
680
00:24:41,360 –> 00:24:42,720
آن استفاده می کنیم
681
00:24:42,720 –> 00:24:45,200
ما قصد داریم آن فایل را بخوانیم، بنابراین
682
00:24:45,200 –> 00:24:46,880
آن را به یک رشته تبدیل می کنیم،
683
00:24:46,880 –> 00:24:48,799
بنابراین فایل را دانلود می کنیم، آن را به
684
00:24:48,799 –> 00:24:50,640
یک رشته در این دو
685
00:24:50,640 –> 00:24:54,720
خط در اینجا تبدیل می کنیم و قطعه از رشته برابر با بلاهههه است،
686
00:24:54,720 –> 00:24:58,320
بنابراین تجزیه کننده قرار است
687
00:24:58,320 –> 00:24:59,520
برای ما
688
00:24:59,520 –> 00:25:03,120
یک شی تجزیه کننده sf یک پایتون
689
00:25:03,120 –> 00:25:06,559
a ایجاد کند. شی pi megin به نام تجزیه کننده
690
00:25:06,559 –> 00:25:10,240
sif که قرار است کپ شود ulate for
691
00:25:10,240 –> 00:25:10,799
us
692
00:25:10,799 –> 00:25:14,159
که قرار است اطلاعاتی را به ما بدهد
693
00:25:14,159 –> 00:25:16,799
یا اطلاعاتی را در مورد آن
694
00:25:16,799 –> 00:25:17,840
فایل امن و همچنین
695
00:25:17,840 –> 00:25:19,919
عملیاتی که میتوانیم روی آن فایل فشرده انجام
696
00:25:19,919 –> 00:25:20,880
697
00:25:20,880 –> 00:25:23,120
دهیم، بسیار جالب است، میدانید که به شما امکان میدهد
698
00:25:23,120 –> 00:25:24,000
کارهایی را با
699
00:25:24,000 –> 00:25:27,120
یک فایل ساختار sif انجام دهید،
700
00:25:27,120 –> 00:25:29,679
مانند افزودن اتمها. حرکت اتمها
701
00:25:29,679 –> 00:25:31,520
ساختار را تحت فشار قرار میدهند و بسیاری
702
00:25:31,520 –> 00:25:33,200
چیزهای دیگر، اما در حال حاضر
703
00:25:33,200 –> 00:25:35,520
این ما را قادر میسازد فقط فایل را بخوانیم، بنابراین
704
00:25:35,520 –> 00:25:37,120
میتوانید بلافاصله آن
705
00:25:37,120 –> 00:25:40,559
را روی مرورگر خود اجرا کنید، دومین
706
00:25:40,559 –> 00:25:42,720
مورد بعدی این است
707
00:25:42,720 –> 00:25:44,559
که ما به اطلاعاتی در مورد ساختار کریستالی نیاز
708
00:25:44,559 –> 00:25:46,080
داریم. میخواهم
709
00:25:46,080 –> 00:25:48,240
آن را نشان دهم، منظورم این است که من فقط یک
710
00:25:48,240 –> 00:25:49,760
فایل CIF کریستالی را میخوانم
711
00:25:49,760 –> 00:25:53,600
، بیایید آن را پرینت کنیم
712
00:25:53,600 –> 00:25:56,320
تا تجزیهکننده در اینجا خوب است همانطور که
713
00:25:56,320 –> 00:25:57,279
گفتم
714
00:25:57,279 –> 00:26:00,640
uh یک شی یک شی بسته امن است
715
00:26:00,640 –> 00:26:02,640
یکی از روشهای موجود در آن شی گرفتن
716
00:26:02,640 –> 00:26:04,480
ساختارهایی است
717
00:26:04,480 –> 00:26:06,960
که ساختارهای داخل آن هستند. آن sif
718
00:26:06,960 –> 00:26:09,520
که از فایل c خوانده شده است
719
00:26:09,520 –> 00:26:12,960
و من در
720
00:26:12,960 –> 00:26:16,080
اینجا در این نظر لینکی قرار داده ام که در آن این
721
00:26:16,080 –> 00:26:19,600
شی در وب سایت پرداخت ژن توضیح داده شده است،
722
00:26:19,600 –> 00:26:23,200
بنابراین ما فقط یک ساختار
723
00:26:23,200 –> 00:26:25,679
داریم، زیرا ساختارهای او e لیستی است
724
00:26:25,679 –> 00:26:27,360
که به اولین شاخص پس
725
00:26:27,360 –> 00:26:30,000
صفر می رویم و آن ساختار را چاپ می کنیم و آن ساختار
726
00:26:30,000 –> 00:26:31,520
727
00:26:31,520 –> 00:26:33,760
یکی از مورد علاقه ترین مواد الکترولیت باتری من
728
00:26:33,760 –> 00:26:35,120
729
00:26:35,120 –> 00:26:38,480
است که lgps است.
730
00:26:38,480 –> 00:26:41,360
731
00:26:41,360 –> 00:26:42,080
732
00:26:42,080 –> 00:26:44,960
733
00:26:44,960 –> 00:26:47,679
بسیاری از سایت های گوگرد
734
00:26:47,679 –> 00:26:50,320
اکنون این ماده یک
735
00:26:50,320 –> 00:26:52,080
سلول واحد بسیار بزرگ است همانطور که می توانید در اینجا ببینید
736
00:26:52,080 –> 00:26:53,840
هشت نقطه هفت هشت نقطه هفت
737
00:26:53,840 –> 00:26:55,360
دوازده و
738
00:26:55,360 –> 00:26:59,360
um بنابراین محور a b و c uh یا
739
00:26:59,360 –> 00:26:59,840
740
00:26:59,840 –> 00:27:02,320
متأسفم پارامترهای سلول واحد
741
00:27:02,320 –> 00:27:03,919
a b و c و سپس آلفا بتا
742
00:27:03,919 –> 00:27:06,400
گاما همه 90 درجه هستند، این یک مکعب کامل
743
00:27:06,400 –> 00:27:09,760
به عنوان یک ساختار متقارن مکعبی است، همانطور که می
744
00:27:09,760 –> 00:27:10,559
بینید با
745
00:27:10,559 –> 00:27:13,360
50 ضلع، بنابراین 50 اتم در داخل
746
00:27:13,360 –> 00:27:14,640
آن کریستال وجود دارد،
747
00:27:14,640 –> 00:27:17,360
بنابراین وقتی ساختار را چاپ کردیم
748
00:27:17,360 –> 00:27:18,159
،
749
00:27:18,159 –> 00:27:20,720
این اطلاعات دقیق در مورد ساختار
750
00:27:20,720 –> 00:27:21,440
ساختار
751
00:27:21,440 –> 00:27:24,159
به ما داد. درست است و این واقعاً
752
00:27:24,159 –> 00:27:26,080
مهمترین اطلاعاتی است که ما
753
00:27:26,080 –> 00:27:26,799
فقط
754
00:27:26,799 –> 00:27:30,000
برای یادگیری ماشینی
755
00:27:30,000 –> 00:27:32,720
ساختار کریستالی و همچنین سایتهایی
756
00:27:32,720 –> 00:27:34,159
که سایتها در آن هستند
757
00:27:34,159 –> 00:27:35,520
و همانطور که در اینجا میبینید به آن نیاز داریم. خوب
758
00:27:35,520 –> 00:27:38,240
سایت ها همه در قالب کسری نشان داده شده اند،
759
00:27:38,240 –> 00:27:42,480
بنابراین این لیتیوم در 0.2287 است، این
760
00:27:42,480 –> 00:27:43,039
بدان معنی است که
761
00:27:43,039 –> 00:27:46,320
در امتداد محوری که موقعیت آنگستروم نیست،
762
00:27:46,320 –> 00:27:46,960
763
00:27:46,960 –> 00:27:49,840
موقعیت کسری است، بنابراین
764
00:27:49,840 –> 00:27:51,360
برای به دست آوردن موقعیت آنگستروم فقط
765
00:27:51,360 –> 00:27:52,720
باید
766
00:27:52,720 –> 00:27:55,760
این عدد را در a ضرب کنید. اندازه تا
767
00:27:55,760 –> 00:27:59,039
a، بنابراین شما این عدد را در
768
00:27:59,039 –> 00:28:02,399
اندازه محور یا ثابت شبکه a ضرب
769
00:28:02,399 –> 00:28:04,960
کنید تا موقعیت واقعی uh در آنگستروم را به دست آورید،
770
00:28:04,960 –> 00:28:06,720
771
00:28:06,720 –> 00:28:11,200
بنابراین امیدوارم
772
00:28:11,200 –> 00:28:14,000
اگر هر کدام از این کدها با مشکلی روبرو هستند، بتوانید این نتیجه را نیز ببینید.
773
00:28:14,000 –> 00:28:15,520
774
00:28:15,520 –> 00:28:17,200
کامپیوتر خود را در مرورگر خود لطفاً
775
00:28:17,200 –> 00:28:18,240
در چت به من اطلاع دهید
776
00:28:18,240 –> 00:28:20,720
خوب من آن را آزمایش کردم و باید همه چیز
777
00:28:20,720 –> 00:28:21,520
کار کند، اما
778
00:28:21,520 –> 00:28:24,640
شما هرگز خوب نمی دانید اکنون
779
00:28:24,640 –> 00:28:29,840
بیایید از کلاس ساختار pi image uh
780
00:28:29,840 –> 00:28:32,960
برای به دست آوردن
781
00:28:32,960 –> 00:28:34,960
اطلاعات ساختاری در مورد
782
00:28:34,960 –> 00:28:36,159
ساختار خود استفاده کنیم. ما
783
00:28:36,159 –> 00:28:39,360
این ساختار را در اینجا داریم و همانطور که به
784
00:28:39,360 –> 00:28:40,399
785
00:28:40,399 –> 00:28:43,200
یاد دارید ساختار یک لیست است، بنابراین کاری که
786
00:28:43,200 –> 00:28:44,159
من اینجا انجام خواهم داد این است که
787
00:28:44,159 –> 00:28:47,279
این ساختار لیست را با
788
00:28:47,279 –> 00:28:49,279
اولین عنصر در این لیست لغو می کنم زیرا
789
00:28:49,279 –> 00:28:51,600
می دانم که فقط o است عنصر ne
790
00:28:51,600 –> 00:28:53,760
اوه و آن عنصر یک ساختار
791
00:28:53,760 –> 00:28:54,799
792
00:28:54,799 –> 00:28:57,600
ساختار شی است.
793
00:28:57,600 –> 00:28:58,000
794
00:28:58,000 –> 00:29:01,360
795
00:29:01,360 –> 00:29:04,399
796
00:29:04,399 –> 00:29:05,840
797
00:29:05,840 –> 00:29:06,480
798
00:29:06,480 –> 00:29:08,320
799
00:29:08,320 –> 00:29:10,159
800
00:29:10,159 –> 00:29:12,640
اگر به گونههای نقطهای بروید
801
00:29:12,640 –> 00:29:13,360
802
00:29:13,360 –> 00:29:16,240
، لیستی از همه گونههای موجود در سیستمتان
803
00:29:16,240 –> 00:29:17,520
را به شما میدهد، اگر به شارژ
804
00:29:17,520 –> 00:29:20,159
بروید، به شما صفر صفر میدهد، در اینجا
805
00:29:20,159 –> 00:29:21,760
فقط شارژ کل است و این سیستم بدون شارژ است،
806
00:29:21,760 –> 00:29:22,799
807
00:29:22,799 –> 00:29:25,600
بنابراین مختصات دکارتی صفر است،
808
00:29:25,600 –> 00:29:26,720
بنابراین میتواند تبدیل کند.
809
00:29:26,720 –> 00:29:29,360
کسری به دکارتی و
810
00:29:29,360 –> 00:29:31,360
مقادیر دکارتی را
811
00:29:31,360 –> 00:29:34,159
برای همه موقعیت های اتمی به شما می دهد اعداد اتمی
812
00:29:34,159 –> 00:29:35,200
813
00:29:35,200 –> 00:29:36,960
و اینها اعداد اتمی برای
814
00:29:36,960 –> 00:29:39,760
همه اضلاع هستند که هر سه در اینجا
815
00:29:39,760 –> 00:29:43,120
لیتیوم هستند و سپس 32s ژرمانیوم
816
00:29:43,120 –> 00:29:44,640
15 فسفر 16
817
00:29:44,640 –> 00:29:48,080
هستند 16s مشکلی ندارند. آیا اعداد اتمی هستند
818
00:29:48,080 –> 00:29:49,279
819
00:29:49,279 –> 00:29:52,240
و در نهایت ساختار ماتریس فاصله را چاپ میکنند،
820
00:29:52,240 –> 00:29:54,960
بنابراین من
821
00:29:54,960 –> 00:29:58,000
اساساً این را در اینجا اجرا میکنم، ماتریس فاصله است
822
00:29:58,000 –> 00:30:01,440
اوه، خوب
823
00:30:01,440 –> 00:30:04,080
، از چیزی که من جو هستم ناراضی است
824
00:30:04,080 –> 00:30:05,679
قرار است در مورد آن نظر بگذارم، بنابراین
825
00:30:05,679 –> 00:30:09,840
فعلاً اهمیتی نمیدهم،
826
00:30:11,760 –> 00:30:16,240
خوب است، من چیزی را به هم ریختهام، بنابراین اوم
827
00:30:16,240 –> 00:30:18,000
و دلیلش این است که
828
00:30:18,000 –> 00:30:19,919
باید کل کدم را دوباره اجرا کنم،
829
00:30:19,919 –> 00:30:21,200
اما زمان
830
00:30:21,200 –> 00:30:23,360
زیادی میبرد. فقط وانمود می کنم که در حال اجرا است و
831
00:30:23,360 –> 00:30:25,679
خوب است،
832
00:30:25,679 –> 00:30:28,799
بنابراین کاری که می توانید انجام دهید این است که می توانید
833
00:30:28,799 –> 00:30:29,840
این
834
00:30:29,840 –> 00:30:33,440
معیارهای فاصله خط
835
00:30:33,520 –> 00:30:35,520
را از نظر خارج کنید و به نتیجه نگاه کنید، این یک
836
00:30:35,520 –> 00:30:37,200
ماتریس است مانند
837
00:30:37,200 –> 00:30:39,679
یک ماتریس دو بعدی برای
838
00:30:39,679 –> 00:30:41,679
همه فواصل بین اتم های داخل.
839
00:30:41,679 –> 00:30:43,600
اکنون کریستال
840
00:30:43,600 –> 00:30:46,399
ممکن است فکر کنید خوب است که چه چیزی در
841
00:30:46,399 –> 00:30:47,760
مورد معیارهای فاصله بسیار جالب است که
842
00:30:47,760 –> 00:30:50,000
می دانید ما فقط می توانیم یک
843
00:30:50,000 –> 00:30:51,520
ماتریس فاصله برای هر کریستالی ایجاد کنیم
844
00:30:51,520 –> 00:30:53,200
زیرا شما از قبل می دانید موقعیت های اتمی چیست،
845
00:30:53,200 –> 00:30:55,760
بنابراین فقط برای هر اتم
846
00:30:55,760 –> 00:30:56,720
مستقل
847
00:30:56,720 –> 00:30:58,799
در کریستال بروید و فاصله آن را
848
00:30:58,799 –> 00:31:01,039
از اتمهای دیگر درست محاسبه کنید،
849
00:31:01,039 –> 00:31:03,200
بنابراین ما میتوانیم خوب پیش برویم، میتوانیم یک
850
00:31:03,200 –> 00:31:04,480
حلقه در پایتون
851
00:31:04,480 –> 00:31:07,600
برای همه اتمها بنویسیم که از صفر شروع میشوند
852
00:31:07,600 –> 00:31:09,600
.
853
00:31:09,600 –> 00:31:10,720
854
00:31:10,720 –> 00:31:13,440
855
00:31:13,440 –> 00:31:15,760
n اتم ها و سپس
856
00:31:15,760 –> 00:31:17,360
می دانید که ما قبلاً یک ماتریس فاصله داریم،
857
00:31:17,360 –> 00:31:19,679
858
00:31:19,679 –> 00:31:22,080
این روش درستی برای انجام آن در یک
859
00:31:22,080 –> 00:31:23,039
کریستال نیست،
860
00:31:23,039 –> 00:31:25,039
همیشه به یاد داشته