Busca avançada
Ano de início
Entree

Métodos de machine learning aplicados a interfaces entre materiais semicondutores

Processo: 18/11641-0
Modalidade de apoio:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de julho de 2018
Vigência (Término): 30 de junho de 2023
Área do conhecimento:Ciências Exatas e da Terra - Física - Física da Matéria Condensada
Pesquisador responsável:Gustavo Martini Dalpian
Beneficiário:Elton Ogoshi de Melo
Instituição Sede: Centro de Ciências Naturais e Humanas (CCNH). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
Vinculado ao auxílio:17/02317-2 - Interfaces em materiais: propriedades eletrônicas, magnéticas, estruturais e de transporte, AP.TEM
Assunto(s):Estados eletrônicos   Aprendizado computacional   Semicondutores   Perovskita   Óxidos   Teoria do funcional da densidade
Palavra(s)-Chave do Pesquisador:machine learning | perovskitas híbridas | semicondutores | Teoria do Funcional de Densidade | Estados Eletrônicos

Resumo

O presente projeto visa desenvolver estudos teórico/computacionais sobre interfaces entre diferentes materiais semicondutores. Este tipo de interface é de fundamental importância para o desenvolvimento de uma série de dispositivos, incluindo transistores e células solares. Utilizaremos métodos teóricos baseados na teoria do funcional da densidade para entender as principais propriedades de uma série de interfaces, iniciando nosso estudo pelas interfaces entre perovskitas híbridas e materiais óxidos. Utilizaremos os bancos de dados gerados para treinar algoritmos de machine learning para poder predizer as propriedades de uma série de outras interfaces. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ACOSTA, CARLOS MERA; OGOSHI, ELTON; FAZZIO, ADALBERTO; DALPIAN, GUSTAVO M.; ZUNGER, ALEX. The Rashba Scale: Emergence of Band Anti-crossing as a Design Principle for Materials with Large Rashba Coefficient. MATTER, v. 3, n. 1, p. 145-165, . (17/02317-2, 18/11641-0, 18/11856-7)
ACOSTA, CARLOS MERA; OGOSHI, ELTON; SOUZA, JOSE ANTONIO; DALPIAN, GUSTAVO M.. Machine Learning Study of the Magnetic Ordering in 2D Materials. ACS APPLIED MATERIALS & INTERFACES, v. 14, n. 7, p. 15-pg., . (18/11856-7, 18/11641-0, 17/02317-2)
NASCIMENTO, GABRIEL M.; OGOSHI, ELTON; FAZZIO, ADALBERTO; ACOSTA, CARLOS MERA; DALPIAN, GUSTAVO M.. High-throughput inverse design and Bayesian optimization of functionalities: spin splitting in two-dimensional compounds. SCIENTIFIC DATA, v. 9, n. 1, p. 18-pg., . (17/02317-2, 19/04176-2, 18/11856-7, 18/11641-0)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.