Aprendizado de Máquina e "scraping" para criar e testar um grande conjunto de dados selecionados sobre a temperatura liquidus em vidros de óxidos

• Processo: 25/01797-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 31 de maio de 2026
• Área de conhecimento: Engenharias - Engenharia de Materiais e Metalúrgica - Materiais Não-metálicos
• Pesquisador responsável: Edgar Dutra Zanotto
• Beneficiário: Gustavo Laranja Thomaello
• 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): Algoritmos genéticos Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Data Scraping | Genetic Algorithms | glass oxides | liquidus temperature | machine learning | Material Science | Aprendizado de máquina na ciência de vidros

Resumo

Este projeto tem como objetivos: 1) Desenvolver um código computacional que reúna dados de composição química versus temperatura liquidus (TL) de formadores de vidro à base de óxidos, combinando vários conjuntos de dados (TL) disponíveis na internet (patentes e SciGlass) para criar um dataframe de fácil acesso e manipulação. 2) Submeter o dataframe gerado a uma bateria de testes integrados, empregando técnicas descritivas e modelos preditivos de Machine Learning (ML), em combinação com Algoritmos Genéticos (GAs), a fim de obter composições de vidro à base de óxidos com valores de TL desejados. 3) Combinar o dataframe gerado com outras bases de dados públicas para inferir, de forma estatística, o grau de consistência dessas informações e como elas podem melhorar o desempenho de modelos de ML aplicados a tais bases. O objetivo final é desenvolver vidros com temperatura liquidus desejada.