PPGNMA PÓS-GRADUAÇÃO EM NANOCIÊNCIAS E MATERIAIS AVANÇADOS FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppgnma

Banca de DEFESA: GABRIEL RAVANHANI SCHLEDER

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : GABRIEL RAVANHANI SCHLEDER
DATA : 13/08/2021
HORA: 09:00
LOCAL: Por participação remota
TÍTULO:

Machine Learning e Ciência de Materiais: descoberta e design de materiais 2D


PÁGINAS: 256
RESUMO:

Recentemente, estamos presenciando um tremendo aumento na geração e complexidade de dados possibilitado por avanços em desenvolvimentos experimentais, teóricos e computacionais. Essa disponibilidade de dados, associada a novas ferramentas e tecnologias capazes de armazenar e processá-los, culminou na chamada ciência orientada a dados, conhecida como o quarto paradigma da ciência. Uma das áreas de maior destaque da inteligência artificial (IA), chamada de aprendizado de máquina (ML), visa identificar de forma autônoma correlações e padrões nos conjuntos de dados, permitindo a extração de conhecimento e insights a partir deles.
Porém, apenas recentemente a comunidade de ciência de materiais introduziu sua aplicação, pois, para fazer uso dessas estratégias muitos detalhes técnicos devem ser avaliados cuidadosamente.
Nesta tese, na Parte I, mostramos estudos combinando simulações de materiais com esforços experimentais e teóricos. Especificamente, empregamos essa combinação para a função de distribuição de pares (PDF), uma técnica que elucida a estrutura dos nanomateriais e, assim, revela a conexão com as propriedades correspondentes. Também exploramos a possibilidade de realização de isolantes topológicos (TIs) amorfos bidimensionais (2D) e TIs 2D de ordem superior (HOTIs), confirmando sua robustez e propondo a assinatura de condutividade spin Hall (SHC) para descobrir novos HOTIs 2D.
Na Parte II, mostramos como as abordagens baseadas em IA para a ciência de materiais computacional podem ser exploradas para descobrir e projetar novos materiais 2D para diferentes aplicações. Especificamente, usamos técnicas de aprendizado de máquina para identificar materiais 2D termodinamicamente estáveis, que é o primeiro requisito essencial para qualquer aplicação. A abordagem proposta permite a avaliação da estabilidade e topologia de novos compostos 2D para uma investigação mais detalhada de candidatos promissores, usando apenas propriedades de sua composição e estrutura, sem a necessidade de informações sobre as posições atômicas. Em seguida, ilustramos a aplicabilidade dos materiais estáveis, realizando uma triagem de materiais com propriedades eletrônicas adequadas para separação fotoeletrocatalítica de água.
Finalmente, na Parte III, mostramos duas direções de aplicações de IA que reúnem todos os elementos, fechando o ciclo de feedback, ao usar e gerar dados para situações da vida real. Uma delas usa dados experimentais de sensores de nanomateriais, para diversas aplicações como diagnóstico de câncer e controle de qualidade de produtos químicos, para descobrir equações lineares simples com alto poder preditivo, a partir desses casos desafiadores com pequeno volume de dados. O segundo mostra como empregar aprendizado ativo, que direciona a coleta de dados em todas as etapas, para orientar o design no imenso espaço de heteroestruturas 2D rotacionadas, um novo campo denominado twistrônica, encontrando as melhores propriedades de interesse (neste caso, bandas eletrônicas flat).
Concluímos destacando que hoje em dia a pesquisa baseada em dados e IA não é apenas viável, mas cada vez mais importante para a ciência de materiais, com seus próprios desafios e possibilidades empolgantes para o futuro.


MEMBROS DA BANCA:
Membro Titular - Examinador(a) Externo à Instituição - CAETANO RODRIGUES MIRANDA - USP
Membro Titular - Examinador(a) Externo à Instituição - ALEXANDRE REILY ROCHA - UNESP
Membro Titular - Examinador(a) Externo à Instituição - OSVALDO NOVAIS DE OLIVEIRA JÚNIOR - USP
Membro Titular - Examinador(a) Externo à Instituição - RODRIGO BARBOSA CAPAZ - UFRJ
Presidente - Externo à Instituição - ADALBERTO FAZZIO - CNPEM
Membro Suplente - Examinador(a) Externo à Instituição - ROBERTO HIROKI MIWA - UFU
Membro Suplente - Examinador(a) Externo à Instituição - DANIEL ROBERTO CASSAR - CNPEM
Membro Suplente - Examinador(a) Externo à Instituição - ANDREA BRITO LATGE - UFF
Membro Suplente - Examinador(a) Externo à Instituição - MARCIO JORGE TELES DA COSTA - UFF
Notícia cadastrada em: 28/07/2021 17:37
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2021 - UFRN - sigaa-2.sigaa-2