Machine learning e Ciência de Materiais: descoberta e design de materiais 2D

• Processo: 17/18139-6
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de janeiro de 2018
• Vigência (Término): 31 de agosto de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Adalberto Fazzio
• Beneficiário: Gabriel Ravanhani Schleder
• Instituição-sede: Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas (CECS). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Assunto(s): Design Simulação por computador Aprendizado computacional Teoria do funcional da densidade Materiais

Resumo

Atualmente, todos as áreas estão sendo afetadas por um "dilúvio de dados" resultante dos avanços nas tecnologias da informação. As Ciências experimentais, teóricas e computacionais podem se beneficiar desse progresso e integrá-lo em um novo paradigma científico de grande intensidade de dados. As técnicas necessárias para lidar com a grande produção de dados apenas recentemente se tornaram possíveis, graças à computação de alto desempenho e novas metodologias analíticas. Inovações em materiais avançados para tecnologias são fundamentais para a sociedade, definindo seu progresso e sendo associadas ao período como um todo (por exemplo, a Era do Silício). As inovações em materiais correspondem à maioria dos avanços em diversas indústrias, no entanto, seu desenvolvimento tradicionalmente exige um período longo e custoso, levando à uma falta de investimento nesta fase inicial. Uma vez que um material está consolidado, raramente é substituído devido aos custos associados à produção em escala industrial. Portanto, a introdução de materiais para setores específicos é cada vez mais importante para seu sucesso e, atualmente, vários novos nichos tecnológicos precisam de materiais potenciais. Propomos a utilização de uma metodologia desenvolvida recentemente para lidar com grandes volumes de dados produzidos por simulações computacionais de alto desempenho baseada na teoria funcional de densidade (DFT), para produzir descritores fisicamente significativos, que são funções que descrevem os fenômenos estudados em termos somente das propriedades dos átomos constituintes do material. Esta metodologia será aplicada para compreender e projetar novos materiais bidimensionais com foco nas propriedades eletrônicas, fotoeletrocatalíticas e estabilidade térmica, visando aplicações avançadas para tecnologias de ponta. (AU)

Publicações científicas

(10)

(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)

GIUSTINO, FELICIANO; LEE, JIN HONG; TRIER, FELIX; BIBES, MANUEL; WINTER, STEPHEN M.; VALENTI, ROSER; SON, YOUNG-WOO; TAILLEFER, LOUIS; HEIL, CHRISTOPH; FIGUEROA, I, ADRIANA; PLACAIS, BERNARD; WU, QUANSHENG; YAZYEV, V, OLEG; BAKKERS, ERIK P. A. M.; NYGARD, JESPER; FORN-DIAZ, POL; DE FRANCESCHI, SILVANO; MCIVER, J. W.; TORRES, L. E. F. FOA; LOW, TONY; KUMAR, ANSHUMAN; GALCERAN, REGINA; VALENZUELA, SERGIO O.; COSTACHE, V, MARIUS; MANCHON, AURELIEN; KIM, EUN-AH; SCHLEDER, GABRIEL R.; FAZZIO, ADALBERTO; ROCHE, STEPHAN. The 2021 quantum materials roadmap. JOURNAL OF PHYSICS-MATERIALS, v. 3, n. 4 OCT 2021. Citações Web of Science: 1.

GIORDANO, GABRIELA F.; VIEIRA, LUIS C. S.; GOMES, ALEXANDRE O.; DE CARVALHO, ROGERIO M.; KUBOTA, LAURO T.; FAZZIO, ADALBERTO; SCHLEDER, GABRIEL R.; GOBBI, ANGELO L.; LIMA, RENATO S. Distilling small volumes of crude oil. FUEL, v. 285, FEB 1 2021. Citações Web of Science: 0.

PEZO, ARMANDO; FOCASSIO, BRUNO; SCHLEDER, GABRIEL R.; COSTA, MARCIO; LEWENKOPF, CAIO; FAZZIO, ADALBERTO. Disorder effects of vacancies on the electronic transport properties of realistic topological insulator nanoribbons: The case of bismuthene. PHYSICAL REVIEW MATERIALS, v. 5, n. 1 JAN 19 2021. Citações Web of Science: 0.

FOCASSIO, BRUNO; SCHLEDER, GABRIEL R.; PEZO, ARMANDO; COSTA, MARCIO; FAZZIO, ADALBERTO. Dual topological insulator device with disorder robustness. Physical Review B, v. 102, n. 4 JUL 14 2020. Citações Web of Science: 0.

SCHLEDER, GABRIEL R.; ACOSTA, CARLOS MERA; FAZZIO, ADALBERTO. Exploring Two-Dimensional Materials Thermodynamic Stability via Machine Learning. ACS APPLIED MATERIALS & INTERFACES, v. 12, n. 18, p. 20149-20157, MAY 6 2020. Citações Web of Science: 2.

SOUZA JUNIOR, JOAO BATISTA; SCHLEDER, GABRIEL RAVANHANI; COLOMBARI, FELIPPE MARIANO; DE FARIAS, MARCELO ALEXANDRE; BETTINI, JEFFERSON; VAN HEEL, MARIN; PORTUGAL, RODRIGO VILLARES; FAZZIO, ADALBERTO; LEITE, EDSON ROBERTO. Pair Distribution Function from Electron Diffraction in Cryogenic Electron Microscopy: Revealing Glassy Water Structure. Journal of Physical Chemistry Letters, v. 11, n. 4, p. 1564-1569, FEB 20 2020. Citações Web of Science: 0.

DA SILVA, GIULIA S.; DE OLIVEIRA, LUIZA P.; COSTA, GABRIEL F.; GIORDANO, GABRIELA F.; NICOLICHE, CAROLINE Y. N.; DA SILVA, ALEXANDRE A.; KHAN, LATIF U.; DA SILVA, GABRIELA H.; GOBBI, ANGELO L.; SILVEIRA, JOSE V.; FILHO, ANTONIO G. SOUZA; SCHLEDER, GABRIEL R.; FAZZIO, ADALBERTO; MARTINEZ, DIEGO S. T.; LIMA, RENATO S. Ordinary microfluidic electrodes combined with bulk nanoprobe produce multidimensional electric double-layer capacitances towards metal ion recognition. SENSORS AND ACTUATORS B-CHEMICAL, v. 305, FEB 15 2020. Citações Web of Science: 1.

SCHLEDER, GABRIEL RAVANHANI; PADILHA, ANTONIO CLAUDIO M.; ROCHA, ALEXANDRE REILY; DALPIAN, GUSTAVO MARTINI; FAZZIO, ADALBERTO. Ab lnitio Simulations and Materials Chemistry in the Age of Big Data. JOURNAL OF CHEMICAL INFORMATION AND MODELING, v. 60, n. 2, p. 452-459, FEB 2020. Citações Web of Science: 1.

COSTA, MARCIO; SCHLEDER, GABRIEL R.; NARDELLI, MARCO BUONGIORNO; LEWENKOPF, CAIO; FAZZIO, ADALBERTO. Toward Realistic Amorphous Topological Insulators. Nano Letters, v. 19, n. 12, p. 8941-8946, DEC 2019. Citações Web of Science: 1.

SCHLEDER, GABRIEL R.; AZEVEDO, GUSTAVO M.; NOGUEIRA, ICAMIRA C.; REBELO, QUEREM H. F.; BETTINI, JEFFERSON; FAZZIO, ADALBERTO; LEITE, EDSON R. Decreasing Nanocrystal Structural Disorder by Ligand Exchange: An Experimental and Theoretical Analysis. Journal of Physical Chemistry Letters, v. 10, n. 7, p. 1471-1476, APR 4 2019. Citações Web of Science: 1.