Busca avançada
Ano de início
Entree

Aprendizado de máquina para propriedades de materiais bidimensionais

Processo: 21/12204-6
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
Vigência (Início): 04 de fevereiro de 2022
Vigência (Término): 03 de fevereiro de 2023
Área do conhecimento:Ciências Exatas e da Terra - Física - Física da Matéria Condensada
Pesquisador responsável:Adalberto Fazzio
Beneficiário:Bruno Focassio
Supervisor no Exterior: Stefano Sanvito
Instituição-sede: Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas (CECS). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
Local de pesquisa: Trinity College Dublin, Irlanda  
Vinculado à bolsa:19/04527-0 - Interface entre isolantes topológicos cristalinos e materiais 2D-trivial: estudo de proximidade via defeitos, BP.DD
Assunto(s):Aprendizado computacional   Materiais   Isolantes topológicos

Resumo

Os materiais são representados por seus átomos, composição e estrutura (ACS). Materiais com diferentes descritores ACS apresentam um conjunto diferente de propriedades. No entanto, existe uma relação complexa e intrigante entre o ACS e as propriedades dos materiais. O aprendizado de máquina pode explorar essas relações e acelerar a avaliação das propriedades usando características de materiais conhecidos para encontrar uma função aproximada para prever a propriedade de materiais desconhecidos. Os isoladores topológicos são sistemas exóticos com estados de fronteira metálicos protegidos por simetria com potencial para aplicações em dispositivos de spintrônica e orbitrônica, dispositivos de baixa perda de energia e computação quântica. Em materiais reais, as propriedades topológicas são sensíveis a modificações estruturais, como defeitos, temperatura, substituição química, deformação e fases amorfas. Essas modificações são capazes de transformar materiais topológicos em triviais, mas também transformam materiais triviais em topológicos. Propomos estudar a relação entre a estrutura dos materiais e as propriedades topológicas usando aprendizado de máquina e métodos baseados em ciência de dados. Iremos investigar descritores de estrutura global e local para estudar o papel da estrutura e simetrias. Além disso, exploraremos os efeitos locais nas propriedades globais. Finalmente, isso poderia nos permitir aplicar nossos modelos para estudar materiais desordenados e estruturas realistas.

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)