Banca de DEFESA: WANYS ARNALDO ANTÔNIO ROCHA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : WANYS ARNALDO ANTÔNIO ROCHA
Data: 08/10/2026
HORA: 14:00
LOCAL: https://meet.google.com/nxu-kkvz-tth
TÍTULO:

Operadores Neurais de Fourier aplicados à modelagem direta e inversa de histerese magnética gerada pelo modelo LLP

PÁGINAS: 80
RESUMO:

A modelagem da histerese magnética é fundamental para o projeto e análise de dispositivos eletromagnéticos. Modelos clássicos, como Jiles-Atherton e Preisach, descrevem com fidelidade os laços $M \times H$, mas envolvem solução de equações integrodiferenciais ou estruturas de memória complexas. O modelo LLP, aqui revisitado, oferece uma descrição algébrica com apenas quatro parâmetros independentes, preservando propriedades essenciais como memória de retorno, wiping-out e acomodação. Em paralelo, operadores neurais, e particularmente o Operador Neural de Fourier (FNO), surgiram como uma classe de arquiteturas profundas capazes de aprender mapeamentos entre espaços de funções, com a propriedade de invariância à discretização. Esta tese investiga o uso de FNOs como surrogates da relação $B \leftrightarrow H$ produzida pelo modelo LLP, com ênfase em curvas de reversão de primeira ordem (FORCs), no regime quase-estático independente da taxa. São abordados tanto o problema direto, $H \mapsto B$, quanto o problema inverso, $B \mapsto H$. No problema direto, o FNO alcança erro relativo da ordem de $10^{-3}$ dentro da distribuição de treino, cerca de uma a duas ordens de grandeza inferior ao de arquiteturas recorrentes e da DeepONet nos deslocamentos absorvíveis; no problema inverso, malposto pela geometria da saturação, o erro in-distribution permanece inferior a 1\%. A principal contribuição é a caracterização sistemática da generalização do operador fora da distribuição: por meio de cinco protocolos que isolam os eixos de deslocamento resolução temporal, amplitude, regime dinâmico, forma de onda e polarização -, os modos de falha são organizados em uma hierarquia tripartida (fácil, difícil e inviável), taxonomia empírica proposta neste trabalho e interpretada à luz das hipóteses do teorema de aproximação universal. A comparação com três arquiteturas de referência (DeepONet, EDLSTM e RNN), nos dois sentidos do mapeamento, evidencia que a robustez do FNO decorre de sua operação espectral, e não de um efeito genérico do aprendizado profundo. Um experimento complementar, em que as quatro arquiteturas são retreinadas sobre uma família funcional distinta (triangular), confirma que a generalização é ligada à família de treino, preservando-se a vantagem relativa do FNO.

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1205456 - LUIZ ALBERTO LUZ DE ALMEIDA
Membro Titular - Examinador(a) Interno ao Programa - 1761107 - RICARDO SUYAMA
Membro Titular - Examinador(a) Externo ao Programa - 2200473 - JOSE ALBERTO TORRICO ALTUNA
Membro Titular - Examinador(a) Externo à Instituição - MOISÉS ARTHUR PEREIRA BORGES - UNIR
Membro Titular - Examinador(a) Externo à Instituição - FABIO PAPALARDO - UNIP
Membro Suplente - Examinador(a) Interno ao Programa - 1761105 - MURILO BELLEZONI LOIOLA
Membro Suplente - Examinador(a) Externo à Instituição - OMAR ALEXANDER CHURA VILCANQUI - UFAC