Processos cinéticos em vidros e novas formulações vítreas via aprendizagem de máquina

• Processo: 17/12491-0
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de outubro de 2017
• Data de Término da vigência: 30 de junho de 2021
• Área de conhecimento: Engenharias - Engenharia de Materiais e Metalúrgica - Materiais Não-metálicos
• Pesquisador responsável: Edgar Dutra Zanotto
• Beneficiário: Daniel Roberto Cassar
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Vinculado ao auxílio: 13/07793-6 - CEPIV - Centro de Ensino, Pesquisa e Inovação em Vidros, AP.CEPID
• Bolsa(s) vinculada(s): 19/26460-4 - Procurando por equações empíricas para prever propriedades de vidros usando regressão simbólica por programação genética, BE.EP.PD
• Assunto(s): Cristalização Aprendizado computacional Materiais vitrocerâmicos Difusão Vidro
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Cristalização | Difusão | formação de vidros | novas composições vítreas | vidro | Materiais Vítreos

Resumo

Cristalização é um processo difusional de grande importância científica e tecnológica na área de vidros. Quando controlada ela é a chave para a fabricação de materiais vitrocerâmicos. De outra forma, ela deve ser evitada se o interesse é a fabricação de produtos vítreos. Neste projeto nós pretendemos investigar aspectos microscópios deste importante fenômeno. Por exemplo, buscamos avançar no conhecimento sobre a desconhecida "entidade difusional" que controla a cristalização. Estamos interessados também em observar os estágios inicias da formação de um núcleo cristalino termodinamicamente estável, bem como investigar o tempo necessário para que o primeiro núcleo estável surja no material não-cristalino. Além disso, um desafio deste projeto é desenvolver uma rede neural artificial que seja capaz de prever a capacidade de formação de vidros de composições complexas resistentes a cristalização contendo vários (5-60) componentes. Esta capacidade de formação de vidros está relacionada com a dificuldade do material se cristalizar. Com esta rede neural e o conhecimento acumulado por mais de 40 anos do nosso grupo de pesquisas, nós esperamos agilizar o desenvolvimento de novas composições vítreas que apresentam propriedades inusuais.

Publicações científicas

(18)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

JIUSTI, JEANINI; CASSAR, DANIEL R.; ZANOTTO, EDGAR D.. Which glass stability parameters can assess the glass-forming ability of oxide systems?. INTERNATIONAL JOURNAL OF APPLIED GLASS SCIENCE, APR 2020. (17/12491-0, 13/07793-6)

RAMIREZ ACOSTA, MARIA HELENA; RODRIGUES, LORENA RAPHAEL; CASSAR, DANIEL ROBERTO; MONTAZERIAN, MAZIAR; PEITL FILHO, OSCAR; ZANOTTO, EDGAR DUTRA. Further evidence against the alleged failure of the classical nucleation theory below the glass transition range. Journal of the American Ceramic Society, MAY 2021. (13/07793-6, 17/12491-0)

CASSAR, DANIEL R.; DE CARVALHO, ANDRE C. P. L. F.; ZANOTTO, EDGAR D.. Predicting glass transition temperatures using neural networks. ACTA MATERIALIA, v. 159, p. 249-256, OCT 15 2018. (13/07375-0, 17/12491-0, 13/07793-6)

ZANOTTO, EDGAR D.; CASSAR, DANIEL R.. The race within supercooled liquids-Relaxation versus crystallization. Journal of Chemical Physics, v. 149, n. 2, JUL 14 2018. (13/07793-6, 17/12491-0)

CASSAR, DANIEL R.. Solving the classical nucleation theory with respect to the surface energy. Journal of Non-Crystalline Solids, v. 511, p. 183-185, MAY 1 2019. (17/12491-0)

JIUSTI, JEANINI; ZANOTTO, EDGAR D.; CASSAR, DANIEL R.; ANDREETA, MARCELLO R. B.. Viscosity and liquidus-based predictor of glass-forming ability of oxide glasses. Journal of the American Ceramic Society, v. 103, n. 2, SEP 2019. (17/12491-0, 13/07793-6)

CASSAR, R. DANIEL; MASTELINI, SAULO MARTIELLO; BOTARI, TIAGO; ALCOBACA, EDESIO; DE CARVALHO, C. P. L. F. ANDRE; ZANOTTO, D. EDGAR. Predicting and interpreting oxide glass properties by machine learning using large datasets. CERAMICS INTERNATIONAL, v. 47, n. 17, p. 23958-23972, SEP 1 2021. (18/14819-5, 13/07375-0, 17/12491-0, 13/07793-6, 18/07319-6)

WILKINSON, COLLIN J.; CASSAR, DANIEL R.; DECEANNE, V, ANTHONY; KIRCHNER, KATELYN A.; MCKENZIE, MATTHEW E.; ZANOTTO, EDGAR D.; MAURO, JOHN C.. Energy landscape modeling of crystal nucleation. ACTA MATERIALIA, v. 217, SEP 15 2021. (17/12491-0, 13/07793-6)

RAMIREZ ACOSTA, MARIA HELENA; RODRIGUES, LORENA RAPHAEL; CASSAR, DANIEL ROBERTO; MONTAZERIAN, MAZIAR; PEITL FILHO, OSCAR; ZANOTTO, EDGAR DUTRA. Further evidence against the alleged failure of the classical nucleation theory below the glass transition range. Journal of the American Ceramic Society, v. 104, n. 9, p. 4537-4549, SEP 2021. (13/07793-6, 17/12491-0)

LANCELOTTI, RICARDO FELIPE; CASSAR, DANIEL ROBERTO; NALIN, MARCELO; PEITL, OSCAR; ZANOTTO, EDGAR DUTRA. Is the structural relaxation of glasses controlled by equilibrium shear viscosity?. Journal of the American Ceramic Society, v. 104, n. 5, JAN 2021. (17/12491-0, 19/15108-8, 13/07793-6)

CASSAR, DANIEL R.. ViscNet: Neural network for predicting the fragility index and the temperature-dependency of viscosity. ACTA MATERIALIA, v. 206, MAR 2021. (17/12491-0)

KIRCHNER, KATELYN A.; CASSAR, DANIEL R.; ZANOTTO, EDGAR D.; ONO, MADOKA; KIM, SEONG H.; DOSS, KARAN; BEDKER, MIKKEL L.; SMEDSKJAER, MORTEN M.; KOHARA, SHINJI; TANG, LONGWEN; et al. Beyond the Average: Spatial and Temporal Fluctuations in Oxide Glass-Forming Systems. CHEMICAL REVIEWS, v. N/A, p. 67-pg., 2022-05-05. (13/07793-6, 15/13314-9, 17/12491-0)

JIUSTI, JEANINI; CASSAR, DANIEL R.; ZANOTTO, EDGAR D.. Which glass stability parameters can assess the glass-forming ability of oxide systems?. INTERNATIONAL JOURNAL OF APPLIED GLASS SCIENCE, v. 11, n. 4, p. 10-pg., 2020-04-03. (13/07793-6, 17/12491-0)

ALCOBACA, EDESIO; MASTELINI, SAULO MARTIELLO; BOTARI, TIAGO; PIMENTEL, BRUNO ALMEIDA; CASSAR, DANIEL ROBERTO; DE LEON FERREIRA DE CARVALHO, ANDRE CARLOS PONCE; ZANOTTO, EDGAR DUTRA. Explainable Machine Learning Algorithms For Predicting Glass Transition Temperatures. ACTA MATERIALIA, v. 188, p. 92-100, APR 15 2020. (17/12491-0, 13/07375-0, 18/07319-6, 17/06161-7, 17/20265-0, 13/07793-6, 18/14819-5)

MASTELINI, SAULO MARTIELLO; CASSAR, DANIEL R.; ALCOBACA, EDESIO; BOTARI, TIAGO; DE CARVALHO, ANDRE C. P. L. F.; ZANOTTO, EDGAR D.. Machine learning unveils composition-property relationships in chalcogenide glasses. ACTA MATERIALIA, v. 240, p. 13-pg., 2022-09-09. (18/14819-5, 13/07793-6, 17/12491-0, 18/07319-6, 17/06161-7, 13/07375-0)

CASSAR, DANIEL R.; SANTOS, GISELE G.; ZANOTTO, EDGAR D.. Designing optical glasses by machine learning coupled with a genetic algorithm. CERAMICS INTERNATIONAL, v. 47, n. 8, p. 10555-10564, APR 15 2021. (13/07793-6, 17/12491-0)

CASSAR, DANIEL R.; SERRA, ANDRE H.; PEITL, OSCAR; ZANOTTO, EDGAR D.. Critical assessment of the alleged failure of the Classical Nucleation Theory at low temperatures. Journal of Non-Crystalline Solids, v. 547, p. 10-pg., 2020-11-01. (13/07793-6, 17/12491-0)

DOS PASSOS, RODRIGO CARDOSO; CASSAR, DANIEL ROBERTO; ZANOTTO, EDGAR DUTRA. Crystallization and relaxation dynamics of glass-forming liquids at the Kauzmann temperature. CERAMICS INTERNATIONAL, v. 48, n. 10, p. 12-pg., 2022-04-06. (13/07793-6, 19/20978-1, 17/12491-0)