Busca avançada
Ano de início
Entree

Processos cinéticos em vidros e novas formulações vítreas via Aprendizagem de Maquina

Processo: 17/12491-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de outubro de 2017
Vigência (Término): 30 de setembro de 2020
Área do 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
Assunto(s):Cristalização   Aprendizado computacional   Difusão   Vidro

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
(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)
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. Citações Web of Science: 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. Citações Web of Science: 7.
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. Citações Web of Science: 2.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.