Modelagem de Monte Carlo Cinético Aprimorada por Inteligência artificial do crescimento de diamante CVD com defeitos NV

• Processo: 25/27755-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 03 de fevereiro de 2026
• Data de Término da vigência: 14 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Física
• Pesquisador responsável: Vladimir Jesus Trava-Airoldi
• Beneficiário: Mirelly Ferreira da Silveira
• Supervisor: Paul May
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Instituição Anfitriã: University of Bristol, Inglaterra
• Vinculado à bolsa: 23/14476-9 - Estudos de crescimento de diamante-CVD monocristalino com minimização de defeitos estruturais, BP.DD
• Assunto(s): Aprendizado computacional Computação quântica Inteligência artificial Materiais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Centro de cores NVs | computação quântica | Diamante-CVD Monocristalino | Inteligência Artificial | Modelagens | Materiais

Resumo

Este projeto tem como objetivo principal, tomando como base emdados iniciais de crescimento de diamante-CVD monocristalinousando a técnica MWPECVD, entender melhor a influência dosparâmetros de crescimento com a razão de densidade de centros decores (NV-/NV°). Buscar-se-á dados adicionais que possam contribuirpara os estudos de simulação levando em consideração ascaracterísticas da descarga em plasma. A pesquisa combinaráalgoritmos KMC corrigidos, modelagem "ab-initio" e métodosavançados de "deep learning", como a Fatoração de Matriz Não-Negativa (NMF), para investigar o crescimento e a formação dos ditoscentros de cores ou defeitos devido à formação de vacâncias,especialmente, as de nitrogênio, NV o e NV-, em diamante-CVDmonocristalino. O foco principal será nas propriedades vibracionais eno acoplamento spin-fônon, que são cruciais para o desenvolvimentode tecnologias quânticas. O projeto possui vários objetivossecundários, incluindo: desenvolver um modelo KMC assistido por IAque consiga prever com boa precisão as taxas de crescimento dodiamante-CVD e da formação dos NV's como função dos parâmetrosde entrada e, especialmente, como função da concentração denitrogênio; diagnosticar e corrigir erros de convergência em modelosexistentes; modelar centros NV's usando a Teoria do Funcional daDensidade (DFT) para entender sua estrutura e assinaturasvibracionais; aplicar deep learning para identificar padrõesrelacionados com os parâmetros de crescimento; e usar NMF paradeterminar a proporção de concentração de NV-/NV° com boaprecisão. O resultado final será uma estrutura de simulação híbridade IA, capaz de diagnosticar e corrigir problemas de convergência,prever condições ideais de crescimento e, desta forma, determinar aproporção de concentração de NV-/NV° através de análise espectralavançada. (AU)