Design guiado por Aprendizado de Máquina de novos vidros com boa capacidade de vitrificação e combinações de propriedades múltiplas.

• Processo: 23/09945-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Engenharias - Engenharia de Materiais e Metalúrgica - Materiais Não-metálicos
• Pesquisador responsável: Edgar Dutra Zanotto
• Beneficiário: Rafael Baságlia Rosante
• 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): 24/21050-0 - Avaliação do Modelo JZCA na Predição da Habilidade de Formação de Vidro com Foco em Baixa Viscosidade na Temperatura Liquidus, BE.EP.IC
• Assunto(s): Algoritmos genéticos Aprendizado computacional Vidros óxidos Materiais vitrocerâmicos
• Palavra(s)-Chave do Pesquisador: algoritmo genético | Aprendizado de Máquina | habilidade de formação de vidros | Stacked Generalization | Vidros óxidos | Materiais Vítreos

Resumo

Neste projeto, pretendemos: 1) desenvolver um código de computador que combine diversos modelos preditivos de Machine Learning baseados em dados (como Random Forest, Redes Neurais Artificiais e outros utilizando a técnica de Stacked Generalization) em conjunto com um Algoritmo Genético para projetar formulações de vidros de óxidos com combinações desejadas de propriedades físico-químicas (como temperatura de transição vítrea, coeficiente de expansão térmica, densidade, dureza, módulo de elasticidade, índice de refração, etc.). Também planejamos: 2) utilizar combinações de propriedades de elementos que possam, talvez, prever a vitrificabilidade ou capacidade de formação de vidro (GFA) das formulações sugeridas, tais como eletronegatividade, energia de dissociação cátion-oxigênio, força do campo catiônico e número médio de oxigênios de ligação por unidade estrutural (-O-cátion-O-cátion-O-). A primeira parte foi pioneiramente desenvolvida por nosso grupo há 4 anos e várias equipes ao redor do mundo estão trabalhando atualmente nesse problema; entretanto, até onde sabemos, ninguém utilizou o procedimento de stacking para este problema específico. Além disso, a segunda parte é inovadora em nível internacional; até o momento, não há relatos publicados sobre a predição da GFA de composições de vidros de óxidos derivadas de aprendizado de máquina. Esse projeto parece ser adequado para nível de pós-graduação; no entanto, o candidato (Rafael) tem trabalhado conosco por vários meses e já demonstrou claramente grande habilidade com codificação e algoritmos de aprendizado de máquina.