Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 285)
Detail práce
   Přihlásit přes CAS
Analyzovanie magnetických textúr pomocou metód strojového učenia
Název práce v češtině: Analyzovanie magnetických textúr pomocou metód strojového učenia
Název v anglickém jazyce: Analysing magnetic textures using machine learning methods
Klíčová slova: magnetizmus, strojové učenie, neurónové siete, skyrmiony
Klíčová slova anglicky: magnetism, machine learning, neural networks, skyrmions
Akademický rok vypsání: 2019/2020
Typ práce: bakalářská práce
Jazyk práce:
Ústav: Katedra fyziky kondenzovaných látek (32-KFKL)
Vedoucí / školitel: RNDr. Pavel Baláž, Ph.D.
Řešitel:
Zásady pro vypracování
(i) zoznámenie sa s teoretickým opisom magnetických systémov; druhy interakcií v magnetizme
(ii) zoznámenie sa so základmi strojového učenia a nástrojmi na jeho realizáciu (scikit-learn, tensorflow)
(iii) analýza magnetických textúr pomocou metód strojového učenia
Seznam odborné literatury
1. Aurelien Geron, Hands-On Machine Learning with Scikit-Learn and TensorFlow, O'Reilly Media, Inc, USA (2017).
2. A. Fert et al., Magnetic skyrmions: advances in physics and potential applications, Nature Reviews Materials 2, 17031 (2017).
Předběžná náplň práce
Strojové učenie zahŕňa metódy, pomocou ktorých je možné spracovávať veľké množstvo dát získaných z meraní, alebo simulácií. Náplňou tejto bakalárskej práce je oboznámenie sa so základmi metód strojového učenia (predovšetkým neurónových sietí) a ich využitie na klasifikáciu magnetických textúr získaných z numerických simulácií. Takáto klasifikácia je dôkežitá predovšetkým pri skúmaní zložitých systémov, u ktorých dochádza k fázovým prechodom medzi feromagnetickou, špirálovou a skyrmiónovou fázou.

Nové informácie budú študentovi/tke odovzdané vo forme neformálnych prednášok a diskusií. Postupy a výsledky práce študenta/tky budú diskutované so školiteľom na pravidelných stretnutiach v priateľskej atmosfére.
Předběžná náplň práce v anglickém jazyce
Machine learning includes methods designed for processing of large amounts of data obtained from measurements or simulations. In this project the student will learn about the basic methods of machine learning (mainly neural networks) and their use in classification of magnetic textures obtained from numerical simulations. Such a classification is important especially when studying complex materials with phase transitions between ferromagnetic, spiral and skyrmionic phases.

All the new informations will be given to the student in a form of informal lectures and discussions. The progress and results shall be discussed with the supervisor on a regular basis during the meetings in a friendly atmosphere.
 
Univerzita Karlova | Informační systém UK