https://libeldoc.bsuir.by/handle/123456789/66037| Title: | Автоматизация обработки ab initio расчетов зонной структуры для подготовки датасетов больших языковых моделей |
| Other Titles: | A tool for automating the processing of ab initio zone structure calculations for preparing datasets of large language models |
| Authors: | Баглов, А. В. Хорошко, Л. С. |
| Keywords: | материалы конференций;анализ данных;постобработка;С++;gnuplot;OpenMX;моделирование;электронные структуры;большие языковые модели |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Баглов, А. В. Автоматизация обработки ab initio расчетов зонной структуры для подготовки датасетов больших языковых моделей = A tool for automating the processing of ab initio zone structure calculations for preparing datasets of large language models / А. В. Баглов, Л. С. Хорошко // Компьютерное проектирование в электронике = Electronic Design Automation : сборник научных трудов Международной научно-практической конференции, Минск, 23 октября 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Р. Стемпицкий [и др.]. – Минск, 2024. – С. 296–299. |
| Abstract: | Описаны новые функциональные возможности кроссплатформенного анализатора зонной структуры материалов для пакетов OpenMX и CASTEP. Благодаря переходу к модульной архитектуре «Бэкенд – Ядро – Фронтенд» обеспечена высокая производительность и масштабируемость системы. Продемонстрировано применение инструмента для автоматизированной подготовки физически обоснованных наборов данных, адаптированных для обучения моделей машинного обучения и больших языковых моделей. Гибкая система бэкендов позволяет оперативно расширять перечень поддерживаемых научных пакетов. |
| Alternative abstract: | The new functionality of a cross-platform material band structure analyzer for the OpenMX and CASTEP packages is described. The transition to a modular «backend-core-frontend» architecture ensures high system performance and scalability. This paper shows how to use the tool to automatically prepare physically based datasets for training machine learning and large language models. The flexible backend system enables the rapid expansion of supported scientific packages. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/66037 |
| Appears in Collections: | Компьютерное проектирование в электронике (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Baglov_Avtomatizaciya.pdf | 222.27 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.