Pular para o conteúdo
Even3

PalestraEngenharias

Engineered Glasses via Inteligência Artifical

Gravado no evento Saemat XIII · 1 h 8 min de gravação

Sobre o conteúdo

A apresentação "Engineered Glasses via Inteligência Artifical", proferida na cerimônia de abertura da SAEMAT XIII, aborda a interseção entre a ciência dos materiais vítreos e o avanço dos métodos computacionais orientados por inteligência artificial. Inicialmente, são delineadas as características básicas dos vidros, com ênfase nas formulações de vidros de óxidos, suas propriedades térmicas, mecânicas, ópticas e químicas, além de contrastar composições tradicionais como o vidro de silicato de sódio e cálcio com vidros especiais e de borossilicato.

O que é abordado

  1. Abertura e introdução
  2. Perguntas motivadoras e objetivos da palestra
  3. Propriedades típicas dos vidros de óxidos
  4. Tipos de vidros e aplicações inovadoras
  5. O que é vidro: transição vítrea e relaxação estrutural
  6. A definição contemporânea do estado vítreo
  7. Inteligência artificial aplicada ao desenvolvimento de vidros
  8. Predição de propriedades: temperatura líquidus e transição vítrea
  9. Projeto inverso e síntese de vidros ópticos inéditos
  10. Considerações finais e o Ano Internacional do Vidro
  11. Sessão de perguntas e respostas

Dúvidas que o conteúdo responde

Qual é a definição científica aceita de vidro apresentada na palestra?

O vidro é definido como um estado de matéria condensado fora do equilíbrio e não cristalino que apresenta transição vítrea, com estrutura atômica similar à do líquido super-resfriado do qual se originou, que relaxa espontaneamente e cujo destino final é a cristalização.

Como a inteligência artificial é empregada no design de vidros ópticos?

Redes neurais artificiais são treinadas com dezenas de milhares de dados da literatura para correlacionar composições químicas com propriedades físicas (como temperatura de transição vítrea e índice de refração). Em seguida, acoplam-se algoritmos genéticos que realizam o caminho inverso, sugerindo composições químicas ideais a partir das restrições de propriedades desejadas.

Quais são os principais desafios da pesquisa de materiais com machine learning no Brasil?

Além das demandas usuais por infraestrutura e insumos laboratoriais caros em universidades, o principal gargalo é a escassez de dados confiáveis e bem catalogados na literatura científica, somada à necessidade de formar colaborações interdisciplinares entre cientistas de materiais e especialistas em ciência da computação.

Os códigos e modelos de aprendizado de máquina desenvolvidos pelo grupo estão disponíveis?

Sim, os códigos são abertos e disponibilizados gratuitamente para pesquisadores interessados em implementar ou aprofundar os estudos em modelagem de vidros.

Assuntos

  • engenharia de materiais
  • vidros
  • inteligência artificial
  • machine learning
  • transição vítrea
  • vidros ópticos
  • SAEMAT XIII
  • Edgar Dutra Zanotto

Palestrantes

  • Edgar Dutra Zanotto

    Palestrante

Outros conteúdos deste evento

Gravados no evento Saemat XIII