| Processo: | 18/21285-7 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Data de Início da vigência: | 15 de agosto de 2019 |
| Data de Término da vigência: | 20 de março de 2020 |
| Área de conhecimento: | Ciências Exatas e da Terra - Física - Física Geral |
| Pesquisador responsável: | Marcus Vinicius Segantini Bonança |
| Beneficiário: | Pierre Marie Antoine Leite Nazé |
| Supervisor: | Sebastian Deffner |
| Instituição Sede: | Instituto de Física Gleb Wataghin (IFGW). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Instituição Anfitriã: | University of Maryland, Baltimore County (UMBC), Estados Unidos |
| Vinculado à bolsa: | 18/06365-4 - Otimização do trabalho termodinâmico em sistemas fora do equilíbrio, BP.DR |
| Assunto(s): | Mecânica estatística Otimização |
| Palavra(s)-Chave do Pesquisador: | Machine learning control | otimização | sistemas fora do equilíbrio | Trabalho termodinâmico | Física Estatística |
Resumo Um dos problemas atuais em Termodinâmica é a obtenção de protocolos que minimizem a dissipação energética quando executado um determinado processo termodinâmico que ocorre a tempo finito. Por outro lado, as técnicas usadas na literatura para atingir esse fim carecem de generalidade, seja porque não adentram regiões arbitrariamente fora do equilíbrio ou porque são incapazes de lidar com sistemas gerais, restringindo-se portanto ao tratamente de pouquíssimos exemplos. Este trabalho propõe as técnicas de machine learning como uma nova ferramenta para esse cenário. Estudaremos assim exemplos em regiões arbitrariamente fora do equilíbrio utilizando técnicas de programação evolutiva já bem desenvolvidas na literatura para a obtenção desses protocolos ótimos. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |