CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. Instituto de Ciência e Tecnologia (ICT) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Marcos G. Quiles is an Associate Professor at the Department of Science and Technology, Federal University of São Paulo, Brazil. He received his BS degree, with honors, in 2003 from the State University of Londrina, Brazil, and his M.Sc. and Ph.D. degrees in Computer Science from the University of São Paulo, Brazil, in 2004 and 2009, respectively. From January to July of 2008, Quiles was a Visiting Scholar in the Perception and Neurodynamics Lab at The Ohio State University, Columbus-OH-US. From January to December of 2017, Quiles was an Academic Visitor at the University of York, York-UK. He was awarded a Brazilian research productivity fellowship from the Brazilian National Research Council (CNPq). His research interests include nature-inspired computing, machine learning, complex networks, and their applications in interdisciplinary problems. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| São Paulo e Itália planejam aumentar a interação bilateral entre universidades e empresas |
| Mais itensMenos itens |
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Grande parte da energia consumida no mundo é derivada direta ou indiretamente da queima de combustíveis fósseis à base de carbono, que também é matéria-prima para uma extensa cadeia de produtos. A queima de combustíveis fósseis à base de carbono está diretamente ligada ao aumento da concentração de CO2 na atmosfera, que é uma das fontes que contribuem para o aquecimento global junto com o…
A descoberta de novos materiais está diretamente ligada a evolução da sociedade. Estes materiais podem permitir desde a geração novos fármacos até o desenvolvimento de componentes eletrônicos para geração de energias limpas. Destaca-se que além dos diversos materiais já disponíveis na natureza, há uma infinidade de compostos que podem ser, teoricamente, gerados a partir da combinação de e…
Este projeto tem como objetivo principal o desenvolvimento de novas técnicas de aprendizado semi-supervisionado baseadas em redes para conjuntos de dados dinâmicos. Para o desenvolvimento dessas técnicas, serão utilizadas propriedades das redes complexas que representarão os dados e modelos computacionais dinâmicos para propagação dos rótulos. Das redes complexas serão extraídas medidas a…
A Inteligência Artificial Explicável (XAI) tem ganhado destaque por fornecer transparência e compreensão nos processos de tomada de decisão por modelos de aprendizado de máquina. Essa explicabilidade é crucial em áreas científicas, em que a confiança nas previsões deve ser alta e as decisões baseadas nesses modelos podem ter implicações significativas.No campo de estudo da química, o uso …
O uso de aprendizado de máquina (ML) no estudo e descoberta de novos materiais tem emergido como uma abordagem fundamental, oferecendo alternativas e complementos valiosos às metodologias experimentais e computacionais tradicionais. A capacidade de ML em analisar vastas quantidades de dados e identificar padrões complexos possibilita a predição eficiente de propriedades e a geração de nov…
Conhecer as propriedades de um material é fundamental para avaliar sua aplicação. O estudo das propriedades pode ser realizado de diversas formas, desde a investigação teórica até a avaliação experimental do material em análise. No entanto, o tempo e o custo para avaliar um determinado material podem ser elevados, restringindo o processo de descoberta de novos materiais a uma pequena parc…
A descoberta de materiais envolve a investigação de sistemas com propriedades físico-químicas de interesse. Tal estudo é desenvolvido no campo de Ciência dos Materiais, que através de simulações computacionais e experimentos laboratoriais descrevem como esses sistemas se comportam e reagem uns com os outros em diferentes ambientes. Contudo, simulações computacionais empregadas no estudo d…
A geração e a análise de novos materiais é um processo bastante lento e custoso, tanto do ponto de vista experimental quanto computacional. Métodos computacionais, como a dinâmica molecular e o cálculo DFT (Density Functional Theory), têm sido empregados para estudar compostos químicos. Contudo, mesmo fazendo uso de tais abordagens computacionais, o screening de materiais ainda é um proce…
Algoritmos de aprendizado de máquina (AM) visando minimizar tempo e custos associados com a descoberta de materiais tem apresentado grandes avanços. No entanto, é notável que tais avanços foram significativos apenas para moléculas com poucos átomos. Com isso, campos de pesquisa que envolvem o estudo de macromoléculas, como a área dos polímeros, ainda estão nos estágios iniciais de explora…
O estudo de sistemas reais via redes complexas tem sido uma área bastante ativa nos últimos anos. Contudo, grande parte do progresso obtido nesse período está relacionado ao estudo das propriedades de redes com topologia fixa (estática). Comumente, o estudo e a síntese de redes complexas faz uso de medidas capazes de caracterizar seus principais atributos topológicos. A caracterização da …