Banca de QUALIFICAÇÃO: GABRIEL RAVANHANI SCHLEDER
Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.DISCENTE : GABRIEL RAVANHANI SCHLEDER
DATA : 03/12/2019
HORA: 10:00
LOCAL: sala 304, 3º andar, Bloco B, Campus SA da Fundação Universidade Federal do ABC, localizada na Avenida dos Estados, 5001, Santa Terezinha, Santo André, SP
TÍTULO:
Machine learning e Ciência de Materiais: descoberta e design de materiais 2D
PÁGINAS: 128
RESUMO:
Nos últimos anos, estamos presenciando como a evolução da tecnologia tem permitido um aumento no volume e velocidade da produção de dados das mais diversas formas. Todas as áreas estão incluídas nessa grande mudança, desde redes sociais até as ciências avançadas. Neste último caso, os grandes avanços em métodos computacionais e experimentais, levaram ao aumento na quantidade e complexidade dos dados gerados. Essa enorme quantidade de dados brutos precisa ser armazenada e interpretada para se obter avanços na área de ciência dos materiais. Algoritmos de aprendizado de máquina (machine learning) são utilizados na identificação de correlações e padrões em grandes quantidades de dados complexos há décadas. Recentemente, a comunidade de ciência dos materiais começou a investir nessas metodologias para extrair informação e conhecimento dos dados acumulados.
Por fim, estratégias orientadas a dados, que incluem técnicas de mineração, triagem e aprendizado de máquina, empregam esses dados gerados.
Mostramos como essas abordagens da ciência moderna computacional de materiais podem ser usadas para investigar diferentes propriedades de materiais bidimensionais (2D), permitindo a descoberta e design de novos materiais para diversas aplicações.
Especificamente, o crescente interesse e pesquisa em materiais 2D ainda não se traduziu em uma realidade de diversas aplicações desses materiais. Para ir além do grafeno e dos dicalcogenetos dos metais de transição em várias aplicações, candidatos com propriedades desejáveis devem ser propostos.
Aqui utilizamos técnicas de aprendizado de máquina para identificar materiais 2D termodinamicamente estáveis, que é o primeiro requisito essencial para qualquer aplicação. De acordo com a energia de formação e a energia acima do convex hull, classificamos os materiais como tendo baixa, média, ou alta estabilidade. A abordagem proposta permite a avaliação da estabilidade de novos compostos 2D para uma investigação mais detalhada de candidatos promissores, utilizando apenas propriedades da sua composição e simetria estrutural, sem a necessidade de informações sobre posições atômicas.
Demonstramos a utilidade do modelo gerando mais de mil novos compostos, corroborando com cálculos de DFT a classificação para cinco desses materiais. Para ilustrar a aplicabilidade dos materiais estáveis, realizamos uma triagem de materiais eletrônicos adequados para a separação fotoeletrocatalítica da água, identificando o potencial candidato Sn2SeTe gerado por nosso modelo e também o PbTe, ambos ainda não reportados para esta aplicação.
Por fim, apontamos os problemas atuais dessa área de pesquisa, os desafios e as possíveis fronteiras dessa nova e empolgante área.
MEMBROS DA BANCA:
Membro Titular - Examinador(a) Interno ao Programa - 2605463 - JOSE ANTONIO SOUZA
Membro Titular - Examinador(a) Interno ao Programa - 2218228 - LUANA SUCUPIRA PEDROZA
Membro Titular - Examinador(a) Externo ao Programa - 1309493 - PEDRO ALVES DA SILVA AUTRETO
Presidente - Externo ao Programa - 730.580.685-49 - CAETANO RODRIGUES MIRANDA - USP
Membro Suplente - Examinador(a) Interno ao Programa - 1760527 - FLAVIO LEANDRO DE SOUZA
Membro Suplente - Examinador(a) Externo ao Programa - 1544403 - MAURICIO DOMINGUES COUTINHO NETO
Membro Suplente - Examinador(a) Externo à Instituição - ALEXANDRE REILY ROCHA - UNESP
Membro Suplente - Examinador(a) Externo à Instituição - EDSON ROBERTO LEITE - CNPEM