Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.116
Aluno: José Guilherme Bispo de Albuquerque Lima
Orientador: Prof. Adiel Teixeira de Almeida Filho
Coorientador: Prof. Anderson Stevens Leônidas Gomes (UFPE/Depto de Física)
Título: INTELIGÊNCIA ARTIFICIAL APLICADA À DESCOBERTA INTELIGENTE DE MATERIAIS NANOFOTÔNICOS
Data: 23/10/2023
Hora/Local: 11h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Paulo Salgado Gomes de Mattos Neto (UFPE / Centro de Informática)
Prof. Isabel Cristina dos Santos Carvalho (PUC-RJ / Departamento de Física)
Prof. Adiel Teixeira de Almeida Filho (UFPE / Centro de Informática)
RESUMO:
A otimização de nanobastões de ouro ainda enfrenta desafios, especialmente devido à complexidade do processo, que envolve múltiplos objetivos, como eficiência, custo e escalabilidade do processo de fabricação. Os Algoritmos Genéticos (AG) são capazes de produzir soluções de qualidade para problemas complexos em um tempo computacional viável, e são particularmente adequados para otimizar materiais nanofotônicos, pois podem explorar espaços de soluções amplos e otimizar múltiplos objetivos simultaneamente, o que é fundamental devido à interdependência das propriedades ópticas e geométricas do material em tais aplicações. Neste trabalho foram obtidas configurações de nanobastões de ouro através da implementação de um algoritmo genético multiobjetivo (AGM). Os cálculos tiveram como base o artigo “Dynamic Plasmonic Pixels”, com o propósito de encontrar um espaço de soluções que melhoram o desempenho das curvas de extinção para o modo não alinhado dos nanobastões. O trabalho iniciou com uma revisão sistemática das aplicações da Inteligência Artificial (IA), como Aprendizado Profundo e AG, no aprimoramento e desenvolvimento de materiais nanofotônicos. O software de elementos finitos, Comsol Multiphysics, também foi utilizado para simulação das configurações. Embora tenha sido necessário operar em regime restrito de intervalos de valores dos parâmetros e funções objetivo, a aplicação do AGM se mostrou promissora, encontrando configurações de curvas de extinção melhoradas, e em grande escala, em que testes estatísticos de hipóteses foram utilizados para validação dos resultados.
Palavras-chave: Nanobastões de ouro. Algoritmos genéticos multiobjetivo. Otimização. Revisão sistemática. Métodos dos elementos finitos.
Comentários desativados