Pular para o conteúdo
Even3

PalestraEducação

Machine Learning and Big Data em Materiais

Gravado no evento XXXVII SEMANA DA FÍSICA UFG: O Impacto Social da Informação e da Tecnologia Quântica · 3 h 40 min de gravação

Trechos em vídeo

Sobre o conteúdo

A gravação tem início com a mesa virtual de abertura da 37ª Semana da Física do Instituto de Física da Universidade Federal de Goiás (IF-UFG), realizada de forma remota devido à pandemia de COVID-19. Os membros da comissão organizadora, representantes estudantis e a direção do instituto destacam o tema central voltado ao impacto social da tecnologia e informação quântica, agradecem o suporte técnico e celebram o alcance nacional do evento virtual.

O que é abordado

  1. Abertura da 37ª Semana da Física do IF-UFG
  2. Palestra: O que são Computadores Quânticos (Prof. Ivan S. Oliveira)
  3. Qubits supercondutores e modelo de Jaynes-CummingsTrecho de 1 min 56 s
  4. Supremacia quântica e aplicações tecnológicas
  5. Investimentos globais e cenário da computação quântica no Brasil
  6. Sessão de perguntas da palestra de aberturaTrecho de 1 min 51 s
  7. Intervalo
  8. Apresentação do Prof. Adalberto Fazzio
  9. Minicurso: Machine Learning and Big Data em Materiais
  10. Bases de dados de materiais e Teoria do Funcional da Densidade (DFT)
  11. Descritores e aprendizado supervisionado: Zincblende vs. RocksaltTrecho de 1 min 1 s
  12. Estabilidade termodinâmica de materiais bidimensionais (2D)

Dúvidas que o conteúdo responde

Como funcionam os computadores quânticos baseados em supercondutores apresentados pelo professor Ivan?

Eles utilizam circuitos supercondutores fabricados em escala micrométrica ou nanométrica, contendo cavidades ressonantes e junções Josephson que funcionam como qubits de carga acoplados ao campo elétrico da cavidade, descritos matematicamente pelo modelo de Jaynes-Cummings.

Qual a principal vantagem da computação quântica frente aos computadores clássicos em problemas difíceis?

Os computadores quânticos aproveitam propriedades da mecânica quântica, como superposição e entrelaçamento, criando paralelismo computacional que reduz problemas de complexidade exponencial em computadores clássicos (como fatoração de números inteiros grandes pelo algoritmo de Shor) para complexidade polinomial.

Qual é o principal desafio atual para se atingir um computador de 1000 qubits plenamente funcional?

O maior gargalo não é fabricar os 1000 qubits no chip, mas sim controlar seus estados quânticos individualmente e implementar protocolos eficazes de correção de erros de operação em tempo real.

Como o aprendizado de máquina supervisionado é aplicado para prever propriedades de materiais?

O modelo é alimentado com um conjunto de treinamento de materiais conhecidos associados a descritores matemáticos (features construídas a partir de propriedades atômicas como raio, afinidade eletrônica e potencial de ionização) e resolve uma equação de regressão ou classificação para rotular materiais desconhecidos sem necessidade de recalcular primeiros princípios.

O que são os repositórios de dados como NOMAD e C2DB citados no minicurso?

São bases de dados abertas contendo milhares de cálculos ab-initio de materiais calculados previamente via Teoria do Funcional da Densidade (DFT), permitindo filtragem, mineração de dados e treinamento de modelos de aprendizado de máquina.

Assuntos

  • Computação Quântica
  • Machine Learning
  • Ciência dos Materiais
  • DFT
  • Qubits Supercondutores
  • Big Data
  • Física Quântica
  • UFG

Palestrantes

  • Adalberto Fazzio

    Ministrante

Outros conteúdos deste evento

Gravados no evento XXXVII SEMANA DA FÍSICA UFG: O Impacto Social da Informação e da Tecnologia Quântica

Palestra · 3 h 2 min

Materiais e Dispositivos Quânticos

Gravado no evento XXXVII SEMANA DA FÍSICA UFG: O Impacto Social da Informação e da Tecnologia Quântica

O vídeo apresenta a segunda parte do minicurso sobre dispositivos quânticos e materiais na computação quântica. O professor Celso Jorge Villas-Bôas detalha o funcionamento físico…

Ver resumo e capítulos