Busca avançada
Ano de início
Entree

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

Processo: 17/12491-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de outubro de 2017
Vigência (Término): 30 de junho de 2021
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
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

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.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (13)
(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)
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. Citações Web of Science: 1.
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. Citações Web of Science: 0.
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. Citações Web of Science: 0.
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. Citações Web of Science: 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. Citações Web of Science: 2.
CASSAR, DANIEL R. ViscNet: Neural network for predicting the fragility index and the temperature-dependency of viscosity. ACTA MATERIALIA, v. 206, MAR 2021. Citações Web of Science: 1.
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. Citações Web of Science: 1.
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. Citações Web of Science: 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, APR 2020. Citações Web of Science: 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. Citações Web of Science: 8.
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: 10.
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: 3.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.