[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-119376-es":3,"doc-seo-119376-110":31,"detail-sidebar-cat-0-es-110":93},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},119376,549768072016,"River Wang","https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d",41,"Investigación e Informes","CÁLCULOS DE ESTRUCTURA ELECTRÓNICA - CONTÉCNICAS DE MACHINE LEARNING - SUPERCONDUCTIVIDAD Y CLASIFICACIÓN BINARIA","Trabajo fin de grado en Física que investiga la predicción de la superconductividad en materiales cristalinos mediante técnicas de aprendizaje automático, en particular clasificación binaria. La propuesta relaciona la capacidad superconductora con la densidad de estados (DOS), descrita como la distribución de energías electrónicas. El estudio integra datos de AFLOW y 3DSC, analiza patrones entre DOS y superconductividad y compara modelos con estrategias para mitigar el desequilibrio. Se incorpora PCA para reducir dimensionalidad y mejorar el rendimiento.","Universidad de Oviedo  \nFacultad de Ciencias Trabajo Fin de Grado en Física  \nCÁLCULOS DE ESTRUCTURA ELECTRÓNICA CONTÉCNICAS DE MACHINE LEARNING  \nSUPERCONDUCTIVIDAD Y CLASIFICACIÓN BINARIA  \nAutora:  \nOlaya Folgueiras González  \nTutores:  \nVíctor Manuel García Suárez Juan Luis Fernández Martínez  \n14 de julio de 2024  \nResumen  \nEste trabajo explora la posibilidad de predecir la superconductividad de materiales cristalinos utilizando técnicas de aprendizaje automático (machine learning), en específico, declasificación binaria. La investigación se basa en la premisa de que la densidad de estados (DOS) de un material, una medida que describe la distribución de energías disponibles para los electrones, podría estar relacionada con su capacidad de superconducir. Para ello, se harecopilado información de dos bases de datos: AFLOW, que contiene información de la DOS de un gran número de materiales, y 3DSC, que proporciona información sobre materiales superconductores.  \nEl estudio se centra en analizar esta información para identificar patrones y relaciones entre la DOS y la superconductividad. Se implementan y evalúan diferentes modelos deaprendizaje automático y se exploran técnicas de remuestreo para abordar el desequilibrioen los datos. Además, se aplica el análisis de componentes principales (PCA) para reducirla dimensionalidad del conjunto de datos y mejorar el rendimiento del modelo.  \nAbstract  \nThis work explores the possibility of predicting the superconductivity of crystalline materials using machine learning techniques, specifically binary classification. The research is based on the premise that the density of states (DOS) of a material, a measure that describes the distribution of energies available to electrons, could be related to its ability to superconduct. To this end, information has been collected from two databases: AFLOW, which contains DOS information on a large number of materials, and 3DSC, which provides information on superconducting materials.  \nThe study focuses on analysing this information to identify patterns and relationships between DOS and superconductivity. Different machine learning models are implemented and evaluated and resampling techniques are explored to address the imbalance in the data. In addition, principal component analysis (PCA) is applied to reduce the dimensionality of the dataset and improve model performance.  \nÍndice general  \n1. Fundamentos teóricos 1  \n1.1. Estructuras Cristalinas .............................. 1  \n1.1.1. Redes de Bravais ............................. 2  \n1.1.2. Red recíproca ............................... 4  \n1.2. Teoría de Bandas y propiedades de los sólidos cristalinos ........... 5  \n1.2.1. Estructura de Bandas .......................... 6  \n1.2.2. Densidad de estados ........................... 7  \n1.2.3. Banda prohibida y conducción ...................... 8  \n1.3. Superconductividad ................................ 9  \n1.3.1. Propiedades de los materiales superconductores ............ 9  \n1.3.2. Superconductores tipo I y II ....................... 11  \n1.3.3. Teoría BCS ................................ 12  \n1.3.4. Superconducción a altas temperatura .................. 13  \n2. Machine Learning 15  \n2.1. Inteligencia Artificial, Machine Learning y Ciencia de Datos ......... 16  \n2.2. Fundamentos del Machine Learning ....................... 17  \nÍNDICE GENERAL  \n2.2.1. Desarrollo de un modelo de Machine Learning ............. 17  \n2.3. Tipos de algoritmos ................................ 19  \n2.3.1. Aprendizaje supervisado ......................... 20  \n2.3.2. Aprendizaje no supervisado ....................... 22  \n2.3.3. Aprendizaje por refuerzo ......................... 24  \n2.4. Evaluación y validación de modelos ....................... 25  \n2.4.1. Validación cruzada ............................ 25  \n2.4.2. Curva de aprendizaje ........................... 25  \n2.4.3. Métricas de evaluación .......................... 26  \n2.4.3.1. Métricas para modelos","cbCaimWVL218VuSH","https://ap.wps.com/l/cbCaimWVL218VuSH","pdf",7279639,5,1,76,"Spanish","es",110,"# Fundamentos teóricos\n## Estructuras Cristalinas\n## Teoría de Bandas y propiedades de los sólidos cristalinos\n## Superconductividad\n# Machine Learning\n## Inteligencia Artificial, Machine Learning y Ciencia de Datos\n## Fundamentos del Machine Learning\n## Tipos de algoritmos\n## Evaluación y validación de modelos\n# Desarrollo práctico\n## Elaboración del código\n## Datos\n## Métodos de Machine Learning\n# Conclusiones","[{\"question\":\"Qué relación estudia el trabajo entre DOS y superconductividad?\",\"answer\":\"El trabajo parte de la idea de que la densidad de estados (DOS) describe la distribución de energías disponibles para los electrones y podría relacionarse con la capacidad del material para superconductar.\"},{\"question\":\"Qué bases de datos se usan para construir el conjunto de datos?\",\"answer\":\"Se recopilan datos desde AFLOW, que aporta información de DOS de muchos materiales, y 3DSC, que proporciona información sobre materiales superconductores.\"},{\"question\":\"Cómo se aborda el problema del desequilibrio de clases en los datos?\",\"answer\":\"Se evalúan modelos de aprendizaje automático e incluyen técnicas de remuestreo para tratar el desequilibrio en los datos, además de considerar validación y métricas de clasificación.\"}]","CÁLCULOS DE ESTRUCTURA ELECTRÓNICA - CONTÉCNICAS DE MACHINE LEARNING - SUPERCONDUCTIVIDAD Y CLASIFICACIÓN BINARIA | PDF",1785723998,117,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":88,"head_meta":90,"extra_data":92,"updated_unix":29},"electronic-structure-calculations-with-machine-learning-techniques-superconductivity-and-binary-classification","",{"@graph":37,"@context":87},[38,55,70],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":53,"name":13,"@type":44,"position":54},"https://docshare.wps.com/es/document/electronic-structure-calculations-with-machine-learning-techniques-superconductivity-and-binary-classification/119376/",4,{"url":53,"name":13,"@type":56,"author":57,"headline":13,"publisher":59,"fileFormat":62,"inLanguage":24,"description":14,"dateModified":63,"datePublished":64,"encodingFormat":62,"isAccessibleForFree":65,"interactionStatistic":66},"DigitalDocument",{"name":9,"@type":58},"Person",{"url":42,"name":60,"@type":61},"DocShare","Organization","application/pdf","2026-08-31","2026-08-03",true,{"@type":67,"interactionType":68,"userInteractionCount":20},"InteractionCounter",{"@type":69},"ViewAction",{"@type":71,"mainEntity":72},"FAQPage",[73,79,83],{"name":74,"@type":75,"acceptedAnswer":76},"Qué relación estudia el trabajo entre DOS y superconductividad?","Question",{"text":77,"@type":78},"El trabajo parte de la idea de que la densidad de estados (DOS) describe la distribución de energías disponibles para los electrones y podría relacionarse con la capacidad del material para superconductar.","Answer",{"name":80,"@type":75,"acceptedAnswer":81},"Qué bases de datos se usan para construir el conjunto de datos?",{"text":82,"@type":78},"Se recopilan datos desde AFLOW, que aporta información de DOS de muchos materiales, y 3DSC, que proporciona información sobre materiales superconductores.",{"name":84,"@type":75,"acceptedAnswer":85},"Cómo se aborda el problema del desequilibrio de clases en los datos?",{"text":86,"@type":78},"Se evalúan modelos de aprendizaje automático e incluyen técnicas de remuestreo para tratar el desequilibrio en los datos, además de considerar validación y métricas de clasificación.","https://schema.org",{"og:url":53,"og:type":89,"og:title":13,"og:site_name":60,"og:description":14},"article",{"robots":91,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":94},[95,100,104,108,112,114,118,122,126,130],{"id":96,"doc_module":4,"doc_module_name":47,"category_name":97,"show_sort_weight":98,"slug":99},39,"Cómic",60,"comic",{"id":101,"doc_module":4,"doc_module_name":47,"category_name":102,"show_sort_weight":98,"slug":103},43,"Estilo de Vida","lifestyle",{"id":105,"doc_module":4,"doc_module_name":47,"category_name":106,"show_sort_weight":98,"slug":107},38,"Examen","exam",{"id":109,"doc_module":4,"doc_module_name":47,"category_name":110,"show_sort_weight":98,"slug":111},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":98,"slug":113},"research-report",{"id":115,"doc_module":4,"doc_module_name":47,"category_name":116,"show_sort_weight":98,"slug":117},37,"Literatura","literature",{"id":119,"doc_module":4,"doc_module_name":47,"category_name":120,"show_sort_weight":98,"slug":121},22,"Relatos y Novelas","story-novel",{"id":123,"doc_module":4,"doc_module_name":47,"category_name":124,"show_sort_weight":98,"slug":125},42,"Religión y Espiritualidad","religion-spirituality",{"id":127,"doc_module":4,"doc_module_name":47,"category_name":128,"show_sort_weight":98,"slug":129},40,"Salud y Atención Médica","healthcare",{"id":131,"doc_module":4,"doc_module_name":47,"category_name":132,"show_sort_weight":98,"slug":133},24,"Tecnología","technology"]