Exportar registro bibliográfico

Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição (2019)

  • Author:
  • USP affiliated author: MARCON, GUILHERME DOS SANTOS - ICMC
  • School: ICMC
  • Sigla do Departamento: SCC
  • Subject: APRENDIZADO COMPUTACIONAL
  • Language: Português
  • Abstract: Dicalcogenetos de Metais de Transicão (DMTs) são compostos químicos definidos pela equacão MQ2, onde M é um metal de transicão, como molibdênio (Mo) e tungstênio (W), e Q pode ser enxofre (S), telúrio (Te) ou selênio (Se). Eles possuem uma grande gama de morfologias, dimensionalidades e aplicacões e, devido a essas propriedades, tem sido objeto de vários estudos desde a década de 1960, com o intuito de compreender melhor suas propriedades. No entanto, um empasse nesses estudos é o requisito computacional para se calcular essas propriedades, pode-se levar dias para que terminem. Neste quesito, o aprendizado de máquina é importante para a química pois, se for possível encontrar um erro baixo aceitável, os milissegundos de predição das ditas propriedades aceleraria em muito os estudos dessas estruturas. Portanto neste projeto, foi utilizado diferentes modelos de regressão e variações da Matriz de Coulomb para prever a energia total das moléculas de DMTs. Como resultado, a regressão Linear com os autovalores da Matriz de Coulomb ordenada obteve um erro médio de 3.31e-5%, equivalente à um erro normalizado de 6.3kcal/mol, um erro elevado impossível de substituir os cálculos atuais, que possuem um erro de 1kcal/mol. Concluindo que a Matriz de Coulomb não é o suficiente para gerar os erros baixos esperados, sendo necessário uma representação mais robusta.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão Publicada Marcon_TCC_2019.pdf Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MARCON, Guilherme dos Santos. Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição. 2019. Trabalho de Conclusão de Curso (Graduação) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/73211d4f-8db2-470a-92ff-3a36d37942bc/Marcon_TCC_2019.pdf. Acesso em: 28 mar. 2024.
    • APA

      Marcon, G. dos S. (2019). Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição (Trabalho de Conclusão de Curso (Graduação). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/73211d4f-8db2-470a-92ff-3a36d37942bc/Marcon_TCC_2019.pdf
    • NLM

      Marcon G dos S. Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição [Internet]. 2019 ;[citado 2024 mar. 28 ] Available from: https://bdta.abcd.usp.br/directbitstream/73211d4f-8db2-470a-92ff-3a36d37942bc/Marcon_TCC_2019.pdf
    • Vancouver

      Marcon G dos S. Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição [Internet]. 2019 ;[citado 2024 mar. 28 ] Available from: https://bdta.abcd.usp.br/directbitstream/73211d4f-8db2-470a-92ff-3a36d37942bc/Marcon_TCC_2019.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2024