Aplicação de Métodos de Aprendizado de Máquina ao Estudo de Nanossistemas Desordenados

• Processo: 25/22628-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de outubro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Vivian Vanessa França Henn
• Beneficiário: Francisco Garcia Troitiño dos Reis
• Instituição Sede: Instituto de Química (IQ). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Vinculado ao auxílio: 25/13615-0 - Propriedades e Análise Computacional de Nanossistemas Quânticos: Confinamento Harmônico e Métodos de Aprendizado de Máquina em Modelos de Hubbard, AP.R
• Assunto(s): Aprendizado computacional Modelo de Hubbard Sistemas desordenados
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | modelo de Hubbard | sistemas desordenados | strongly correlated systems

Resumo

Sistemas quânticos desordenados, como aqueles descritos pelo modelo de Hubbard com impurezas aleatórias, apresentam comportamentos complexos, incluindo transições metal-isolante conhecidas como localização de Anderson. O tratamento teórico rigoroso desses sistemas exige simulações sobre um número muito grande de amostras, o que torna métodos exatos, como DMRG, computacionalmente dispendiosos. Este projeto propõe o uso de técnicas de aprendizado de máquina (machine learning), como redes neurais artificiais, para identificar padrões físicos robustos com base em conjuntos de dados reduzidos. A ideia é que os modelos aprendam as correlações relevantes entre os parâmetros e as propriedades físicas, permitindo extrair informações de forma mais eficiente. Essa abordagem pode representar um avanço metodológico importante ao reduzir significativamente o esforço computacional necessário para descrever nanoestruturas desordenadas.