Analýza magnetických skyrmionů pomocí metod strojového učení
| Thesis title in Czech: | Analýza magnetických skyrmionů pomocí metod strojového učení |
|---|---|
| Thesis title in English: | Analysis of magnetic skyrmions using machine learning methods |
| Key words: | magnetizmus|strojové učenie|neurónové siete|skyrmiony |
| English key words: | magnetism|machine learning|neural networks|skyrmions |
| Academic year of topic announcement: | 2020/2021 |
| Thesis type: | Bachelor's thesis |
| Thesis language: | čeština |
| Department: | Department of Condensed Matter Physics (32-KFKL) |
| Supervisor: | RNDr. Pavel Baláž, Ph.D. |
| Author: | hidden - assigned and confirmed by the Study Dept. |
| Date of registration: | 14.12.2020 |
| Date of assignment: | 14.12.2020 |
| Confirmed by Study dept. on: | 24.05.2021 |
| Date and time of defence: | 08.07.2021 09:00 |
| Date of electronic submission: | 27.05.2021 |
| Date of submission of printed version: | 27.05.2021 |
| Date of proceeded defence: | 08.07.2021 |
| Opponents: | RNDr. Martin Žonda, Ph.D. |
| Advisors: | Mgr. Tomáš Nekvinda |
| Guidelines |
| (i) zoznámenie sa s teoretickým opisom magnetických systémov; druhy interakcií v magnetizme
(ii) základné poznatky o skyrmiónoch a skyrmiónových mriežkach (iii) zoznámenie sa so základmi strojového učenia a nástrojmi na jeho realizáciu (scikit-learn, tensorflow) (iv) analýza magnetických skyrmiónov a skyrmiónových mriežok pomocou metód strojového učenia |
| References |
| 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). |
| Preliminary scope of work |
| 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. |
| Preliminary scope of work in English |
| 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. |