Clasificación de trayectorias en dinámica molecular usando relaciones de equivalencia difusa y análisis de componentes principales.

Classification of dinamic molecular trajectories using fuzzy equivalence relation and principal component analysis.

dc.creatorCastañeda Marín, Hernando
dc.creatorRodríguez Graterol, Wladimir
dc.creatorColina Morles, Eliézer
dc.date2007-09-12
dc.date2007-09-12T09:00:00Z
dc.date2007-09-12T09:00:00Z
dc.date2007-06-01
dc.date2007-09-12T09:00:00Z
dc.date.accessioned2022-11-16T18:41:13Z
dc.date.available2022-11-16T18:41:13Z
dc.identifierT016300004248/0
dc.identifierhttp://www.saber.ula.ve/handle/123456789/15865
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/5201374
dc.descriptionClasificación de trayectorias en dinámica molecular usando relaciones de equivalencia difusa y análisis de componentes principales (Castañeda Marín, Hernando; Rodríguez Graterol, Wladimir y Colina Morles, Eliézer) Resumen En Dinámica Molecular (DM) una configuración sucesiva es generada mediante la integración de las leyes de movimiento de Newton, las trayectorias resultantes nos dan información acerca de como las posiciones y velocidades de las partículas en el sistema, cambian con el transcurso del tiempo, en este contexto lo que mayor costo computacional exige es la determinación de las fuerzas aplicadas a cada partícula en su respectiva posición; generalmente en DM se suelen utilizar modelos simples, donde todas las colisiones son elásticas y ocurren cuando las separaciones entre los centros de las partículas son iguales al punto de discontinuidad del potencial. Al utilizar potenciales continuos la fuerza y la posición de las partículas dependen de la interacción con las restantes partículas del sistema generando una interacción de muchos cuerpos, una solución analítica no es posible aun en este problema. Existe una aproximación de potenciales atómicos que interactúan con funciones de entrenamiento analíticas mediante puntos de Datos. La principal tarea en el método propuesto es generar un conjunto de datos de entrenamiento mediante la acumulación de la funciones de potencial de Lennard Jones, extraer los rasgos estructurales a partir de sus trayectorias y particionar un número de objetos dinámicos en un pequeño número de clústeres, de tal forma que los objetos en cada cluster sean en lo más posible similares y los objetos en diferentes clústeres son lo menos similares, permitiendo predecir el comportamiento de las variables de salida. El objetivo más amplio del trabajo consiste en el análisis de un sistema molecular donde buscamos capturar importantes eventos por ejemplo la desintegración y fusión de defectos. La técnica utilizada es el reconocimiento de patrones temporales difusos. El concepto más importante que se presenta en este contexto es la opción de una medida relevante de la similaridad, que se utiliza para la definición del criterio de agrupamiento. Classification of dinamic molecular trajectories using fuzzy equivalence relation and principal component analysis (Castañeda Marín, Hernando; Rodríguez Graterol, Wladimir y Colina Morles, Eliézer) Abstract In Molecular Dynamic, successive configurations are generated by integrating Newton's law of motion; the resulting trajectory specifies how the position and velocities of the particles in the system move with time. The expensive part is the calculation of forces on each particles from current positions, based on the force field, when MD using simples models all collisions are perfectly elastic and occur when the separation between the centers of the particles equal to point of discontinuity in the potential. When is using with continuous potentials, the force on each particle will change whenever the particle change its position or whenever any of the other particles with which it interacts change position, the motions of all particles are coupled together, giving rise to a many body problem that cannot be solved analytically; finite difference methods has to be used. The main task in the proposed method is to generate a group of data of training by means of the accumulation of the functions of potential of Lennard Jones, to extract the structural features starting from its trajectories and a number of dynamic objects segment in a small clusters number, in such a way that the objects in each cluster are in the most possible thing similar and the objects in different clusters are the less similar ones, allowing to predict the behavior of the exit variables The goals is build an automated system to capture important events such as defect disintegration and defect amalgamation but goals initial is to understand the interaction among defect using dynamic fuzzy pattern recognition. The task of clustering methods is to partition a number of objects into small numbers of homogeneous clusters so that objects belonging to any one the clusters would be as similar as possible and object of different clusters as dissimilar possible. The most important problem arising in this context is the choice of a relevant similarity measure, which is use for definition of the clustering criterion. Artículo publicado en la revista: Avances en Sistemas e Informática. Vol 4 Nº (1) año 2007. págs 73-80.
dc.descriptionhcastaneda@ula.ve, hcastaneda@unipamplona.edu.co
dc.descriptionwladimir@ula.ve
dc.descriptionecolina@ula.ve
dc.descriptionNivel monográfico
dc.format203851
dc.formatapplication/pdf
dc.formatimage/jpeg
dc.formattext/html
dc.languagees
dc.publisherSABER ULA
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/ve/
dc.subjectIngeniería
dc.subjectDinámica de sistemas
dc.subjectLógica difusa
dc.subjectAplicaciones de inteligencia artificial
dc.subjectCiencias Computacionales
dc.subjectIngeniería
dc.subjectFacultad de Ingeniería
dc.subjectDynamic system
dc.subjectFuzzy logic
dc.subjectApplication of intelligent system
dc.subjectArtículos
dc.titleClasificación de trayectorias en dinámica molecular usando relaciones de equivalencia difusa y análisis de componentes principales.
dc.titleClassification of dinamic molecular trajectories using fuzzy equivalence relation and principal component analysis.
dc.typeinfo:eu-repo/semantics/article


Este ítem pertenece a la siguiente institución