Aplicação do modelo QTAIM / CCTDP e machine learning para a previsão de reatividades químicas

Resumo

Estados de transição são os pilares que sustentam o alicerce do estudo de reatividades químicas, permitindo aos químicos inferir mecanismos de reação, calcular energias de ativação, entalpias, entre outros parâmetros físico-químicos. Este projeto vem propor uma nova metodologia, baseada em topologia quântica e machine learning, para se obter estados de transição e prever parâmetros de reatividade. Para atingir esses objetivos trabalharemos em três frentes independentes de alto impacto nas áreas da química, física e Data Science: 1) Obtenção de parâmetros de reatividade baseados na Teoria Quântica de Átomos em Moléculas para reações orgânicas 2) Uso de Machine Learning para prever, através de um conjunto de treinamento de reações conhecidas e/ou calculadas teoricamente, entalpias, constantes de velocidade e energias de ativação para novas reações desconhecidas 3)Aplicação prática de ambos tópicos acima, através de: i)O estudo do efeito de substituintes em anéis benzênicos por constantes de Hammett; ii) O estudo do aumento de intensidades de absorção no Infravermelho causado por ligações de hidrogênio e iii) Estudo da acidez reversa do trihaletos de boro. (AU)