| Processo: | 19/22173-0 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado |
| Data de Início da vigência: | 28 de outubro de 2020 |
| Data de Término da vigência: | 10 de outubro de 2021 |
| Área de conhecimento: | Engenharias - Engenharia de Materiais e Metalúrgica - Materiais Não-metálicos |
| Pesquisador responsável: | Edson Cocchieri Botelho |
| Beneficiário: | Ricardo Mello di Benedetto |
| Supervisor: | Anderson Janotti |
| Instituição Sede: | Faculdade de Engenharia (FEG). Universidade Estadual Paulista (UNESP). Campus de Guaratinguetá. Guaratinguetá , SP, Brasil |
| Instituição Anfitriã: | University of Delaware (UD), Estados Unidos |
| Vinculado à bolsa: | 18/24964-2 - Desenvolvimento de uma rede neural artificial para previsão da capacidade de absorção de energia de compósitos commingled termoplásticos: processamento, caracterização e resistência à colisão (crashworthiness), BP.PD |
| Assunto(s): | Redes neurais (computação) Materiais compósitos Compósitos termoplásticos Teoria do funcional da densidade |
| Palavra(s)-Chave do Pesquisador: | artificial neural network | Comminlged technology | density functional theory | Design of Experiment | Multiple regression analysis | Structural thermoplatic composites | Compósitos Estruturais |
Resumo O desenvolvimento e uso de metodologias inteligentes de sistemas computacionais na área de materiais compostos estruturais é um tópico de pesquisa inovador e promissor nos setores acadêmico e industrial. Técnicas de soft computing, as quais incluem as redes neurais artificiais (RNAs) e machine learning, corroboram com a hipótese de que modelos de previsão de comportamento devem ser inseridos no desenvolvimento de novos projetos de engenharia para auxílio em tomada de decisão. Tais modelos de previsão atuam nas fases de concepção, de design e de manufatura de novos materiais e componentes. O projeto proposto inclui a compilação de resultados de análises experimentais realizadas durante o período de pós-doutorado no país e da literatura para que seja desenvolvida uma rede neural artificial capaz de prever a capacidade de absorção de energia de materiais compósitos termoplásticos, do tipo commingled, em um evento de impacto no contexto de resistência à colisão (crashworthiness). O apoio internacional nesse projeto estende-se (i) ao desenvolvimento de modelos inteligentes para projeto e fabricação de um novo componente, (ii) aplicação de métodos computacionais para previsão de desempenho e comportamento do material e (iii) otimização de processos de fabricação. A inovatividade desta proposta é iniciar o uso de métodos computacionais que descrevam propriedades mecânicas e estruturais de materiais de interesse com base em interações interatômicas fundamentais, extraídas da teoria da densidade funcional (DFT) e cálculos de potencial interatômico empírico, uma área de especialização do supervisor no exterior. O objetivo principal é desenvolver uma compreensão fundamental dos fenômenos que ocorrem no nível atomístico e traduzi-los em propriedades mecânicas e termomecânicas de materiais compósitos estruturais. (AU) | |
| 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) | |