Banca de QUALIFICAÇÃO: LUCAS BERNARDES PENA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : LUCAS BERNARDES PENA
DATA : 30/04/2025
HORA: 14:00
LOCAL: Campus Gameleira
TÍTULO:

Desvendando descritores moleculares para previsão confiável de energia de adsorção

PALAVRAS-CHAVES:

nanocluster, adsorção, descritor molecular, DFT, aprendizado de máquina

PÁGINAS: 79
RESUMO:

A acumulação de CO2 na atmosfera terrestre é um problema crescente, com consequências
devastadoras em todo o mundo. Uma abordagem promissora para mitigar esse problema é a
conversão de CO2 em combustíveis e produtos químicos de valor econômico utilizando fontes
de energia renováveis. Essa estratégia não apenas reduz os níveis atmosféricos de CO2 , mas
também contribui para o desenvolvimento de soluções energéticas sustentáveis. Cálculos ab
initio possibilitam a descoberta de novos catalisadores através de análises exploratórias de
sistemas nanocluster-adsorbato de alto custo computacional, uma vez que diversas configu-
rações de adsorção precisam ser avaliadas em diferentes estruturas de clusters. Dado o vasto
volume de dados computacionais já disponíveis para esses sistemas, o aprendizado de máquina
surgiu como uma ferramenta poderosa para acelerar o processo de triagem de catalisadores.
Entretanto, os frameworks atuais são limitados pela falta de diversidade nos dados e pela in-
suficiente interpretabilidade dos modelos, comprometendo sua confiabilidade especialmente
perante novos dados. Neste trabalho, os descritores moleculares Coulomb Matrix e Many-Body
Tensor Representation foram otimizados para a regressão da energia de adsorção em nanoclusters
utilizando-se uma nova base de dados diversa. Utilizando o algoritmo de regressão Random
Forest, atingiu-se um erro médio absoluto de 0.05 eV na predição da energia de adsorção para
ambos os descritores. Para avaliar a generalizabilidade do modelo, um novo conjunto de dados
foi gerado para o sistema mais representativo do dataset utilizado na etapa de desenvolvimento.
Ao testar o modelo neste conjunto externo, nota-se a incapacidade de generalização do modelo,
com o aumento do erro médio absoluto para 0.30 eV.

MEMBROS DA BANCA:
Presidente - EMERSON FERNANDES PEDROSO
Externo à Instituição - MAICON PIERRE LOURENÇO - UFES