Técnicas de aprendizado de máquina aplicados a dicalcogenetos de metais de transição (2019)
- Autor:
- Autor USP: MARCON, GUILHERME DOS SANTOS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Assunto: APRENDIZADO COMPUTACIONAL
- Idioma: Português
- Resumo: 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:
- Local: São Carlos
- Data de publicação: 2019
-
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: 18 abr. 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 abr. 18 ] 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 abr. 18 ] Available from: https://bdta.abcd.usp.br/directbitstream/73211d4f-8db2-470a-92ff-3a36d37942bc/Marcon_TCC_2019.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Marcon_TCC_2019.pdf | Direct link |
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
