Banca de DEFESA: LUCAS BERNARDES PENA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LUCAS BERNARDES PENA
DATA : 01/08/2025
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: 82
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 sis-
temas nanocluster-adsorbato de alto custo computacional, uma vez que diversas configurações
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. Entre-
tanto, os frameworks atuais são limitados pela falta de diversidade nos dados e pela falta de
transferência de conhecimento 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. Para a melhora da performance, propõe-se uma
feature eletrônica, a qual corrigiu as predições para um dos novos sistemas adsorvidos inéditos.

MEMBROS DA BANCA:
Presidente - BRENO RODRIGUES LAMAGHERE GALVAO
Interno - MARCIO OLIVEIRA ALVES
Interno - EMERSON FERNANDES PEDROSO
Externo à Instituição - MAICON PIERRE LOURENÇO - UFES