Espalhamento e Difração por Sistemas Orientados: Reconhecimento de Padrões e Modelagem Automatizada em Aprendizado de Máquina e Inteligência Artificial

• Processo: 25/03179-9
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 28 de fevereiro de 2030
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Cristiano Luis Pinto de Oliveira
• Beneficiário: Gabriel Brito Granado
• Instituição Sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional Difração Espalhamento Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | difração | Espalhamento | Inteligência Artificial | nanossistemas | Espalhamento a Baixos Ângulos

Resumo

Neste projeto, propomos o desenvolvimento de ferramentas computacionais paraanálise e modelagem de dados de espalhamento a baixos ângulos (SAS), com foco emsistemas de perfis anisotrópicos de intensidade. Propõe-se uma metodologia que englobea aplicação de inteligência artificial (AI) com aprendizado de máquina (ML) paraautomação de processos de análise, incluindo reconhecimento de padrões em imagensbidimensionais (2-D), integração setorial e modelagem estrutural de dados experimentais.Com o aumento da disponibilidade de imagens 2-D de alta resolução em síncrotrons de4ª geração, como o Sirius no Laboratório Nacional de Luz Síncrotron (LNLS), esteprojeto surge da necessidade de ferramentas que possam lidar com o grande volume dedados gerados nestes grandes centros. As metodologias incluem a proposição de modelosde redes neurais (NNs) baseadas em aprendizado profundo (DL) para classificação deperfis unidimensionais (1-D) de intensidade em modelos estruturais adequados. Redesneurais convolucionais (CNNs) são propostas para aprimorar a identificação de regiõesde interesse em perfis 2-D anisotrópicos. A validação e testagem de todos os modelosserão feitas utilizando dados experimentais de sistemas orientados, e portantoanisotrópicos, como fibras capilares orientadas e cristais líquidos, em conjunto comsimulações. O principal objetivo do projeto é fornecer soluções inovadoras e eficientesque possam automatizar a análise de sistemas complexos e promovam avanços no campode espalhamento a baixos ângulos. (AU)