Banca de QUALIFICAÇÃO: VINÍCIUS NUNES DA ROCHA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : VINÍCIUS NUNES DA ROCHA
DATA : 09/06/2025
HORA: 09:00
LOCAL: Ambiente remoto
TÍTULO:

Implementação de Aprendizado de Máquina em métodos químico-quânticos para investigação de reações fotoquímicas da glicina interestela

PALAVRAS-CHAVES:

astroquímica, fotoquímica, gelo de glicina, aprendizado de máquina, ab initio, DFT

PÁGINAS: 29
RESUMO:

Estudos experimentais e teóricos investigam a origem interestelar da glicina, focando na sua formação, estabilidade e fotodegradação em ambientes simulando o meio interestelar. Avanços em métodos teóricos e computacionais permitem investigar a dinâmica fotoquímica de moléculas, conciliando abordagens clássicas e quânticas para tratar estados excitados e processos não-adiabáticos. O Aprendizado de Máquina tem revolucionado a Química Computacional ao permitir a estimativa eficiente de propriedades moleculares complexas, inclusive de sistemas fotoquímicos, com base em dados de alta qualidade e modelos bem validados. Evidências interestelares de glicina e metilamina reforçam a relevância da astroquímica, enquanto o Aprendizado de Máquina segue revolucionando a modelagem de processos fotoquímicos e quanto-dinâmicos com aplicações promissoras e ainda pouco exploradas; a literatura recente revela uma diversidade crescente de abordagens, desde redes neurais profundas até modelos híbridos com DFT ou Coupled Cluster, cobrindo sistemas excitados, radicais e dinâmicas não-adiabáticas. O projeto propõe desenvolver uma metodologia híbrida inédita ML-QC para estimar energias eletrônicas, coeficientes de velocidade e PEHSs da glicina e seu cátion radical, integrando dados físico-químicos, modelos de referência e validações estatísticas. Modelos de Aprendizado de Máquina, fundamentados em teoria estatística, são treinados com dados (e.g. descritores químicos) para estimar padrões complexos, com destaque para abordagens supervisionadas, não supervisionadas e híbridas aplicadas a sistemas químicos de alta variabilidade acoplados aos métodos químicos-quânticos estado-da-arte para elucidação de sistemas físico-químicos complexos, cientificamente relevantes na sociedade moderna. A implementação será realizada em Python utilizando a biblioteca Scikit-learn para modelagem e validação de algoritmos de aprendizado de máquina, com suporte do software ORCA para geração de dados quânticos, se necessário.

MEMBROS DA BANCA:
Presidente - 3131055 - GLADSON DE SOUZA MACHADO
Externo ao Programa - 1808284 - MARCIO SOARES PEREIRA - UFRRJExterno à Instituição - SILMAR ANDRADE DO MONTE - UFPB