Avaliação de modelos de machine learning para predição da temperatura crítica de supercondutores (2020)
- Authors:
- Autor USP: BIGOTO, MURILO AFONSO ROBIATI - EEL
- Unidade: EEL
- Assunto: SUPERCONDUTIVIDADE
- Language: Português
- Abstract: O fenômeno da supercondutividade foi descoberto em 1911 por Heike K. Onnes. Desde então, não foi possível consolidar um desenvolvimento teórico capaz de explicar o comportamento de materiais supercondutores em diferentes faixas de temperatura. Desse modo, descrever propriedades supercondutoras, como a temperatura crítica (Tc), ainda é um grande desafio. Nessa perspectiva, usar ferramentas de Inteligência Artificial se torna uma alternativa para a predição de propriedades dos supercondutores. Assim, este trabalho busca avaliar a capacidade de alguns modelos de machine learning na predição de Tc. Para treinar os modelos de machine learning, foram utilizados dados de supercondutores extraídos do banco de dados do Instituto Nacional de Ciência dos Materiais do Japão (NIMS). Assim, a partir da fórmula química dos supercondutores extraídos, foram calculadas medidas estatísticas relacionadas à massa atômica, primeira energia de ionização, raio atômico, densidade, afinidade eletrônica, calor de fusão, condutividade térmica e valência. Com base nas medidas calculadas e na temperatura crítica obtida do NIMS, os modelos de machine learning foram submetidos ao processo de aprendizado supervisionado. Para melhor adequar estes modelos ao problema proposto, seus hiperparâmetros foram obtidos pelo processo de validação cruzada. Os modelos de machine learning avaliados nesta monografia são: Regressão Linear Múltipla; Elastic-Net; Máquinas de Vetores de Suporte; Árvore de Decisão; Floresta Aleatória; Árvores Extremamente Aleatórias; Gradient Boosting; Rede Neural Profunda (Multicamadas de Perceptrons). Como melhor resultado, o modelo Árvores Extremamente Aleatórias alcançou um R2 de 0,94 e um RMSE de 8,69 K para um conjunto de dados de teste, contendo amostras de supercondutores não empregadas no processo de treinamento.
- Imprenta:
-
ABNT
BIGOTO, Murilo Afonso Robiati. Avaliação de modelos de machine learning para predição da temperatura crítica de supercondutores. 2020. Trabalho de Conclusão de Curso (Graduação) – EEL, Lorena, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/e297f5a2-7a1f-43e7-af15-8160f13db370/EF20008%20%281%29%20MURILO%20BIGOTO.pdf. Acesso em: 15 mar. 2025. -
APA
Bigoto, M. A. R. (2020). Avaliação de modelos de machine learning para predição da temperatura crítica de supercondutores (Trabalho de Conclusão de Curso (Graduação). EEL, Lorena. Recuperado de https://bdta.abcd.usp.br/directbitstream/e297f5a2-7a1f-43e7-af15-8160f13db370/EF20008%20%281%29%20MURILO%20BIGOTO.pdf -
NLM
Bigoto MAR. Avaliação de modelos de machine learning para predição da temperatura crítica de supercondutores [Internet]. 2020 ;[citado 2025 mar. 15 ] Available from: https://bdta.abcd.usp.br/directbitstream/e297f5a2-7a1f-43e7-af15-8160f13db370/EF20008%20%281%29%20MURILO%20BIGOTO.pdf -
Vancouver
Bigoto MAR. Avaliação de modelos de machine learning para predição da temperatura crítica de supercondutores [Internet]. 2020 ;[citado 2025 mar. 15 ] Available from: https://bdta.abcd.usp.br/directbitstream/e297f5a2-7a1f-43e7-af15-8160f13db370/EF20008%20%281%29%20MURILO%20BIGOTO.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
EF20008 (1) MURILO BIGOTO... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
