Raman spectra-based structured classificatory analysis of quinoidal and derivative molecular systems: an unsupervised machine learning approach

• Ano de defesa: 2023
• Autor(a) principal: Arthur Patrocínio Pena
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Minas Gerais; Brasil; ICX - DEPARTAMENTO DE FÍSICA; Programa de Pós-Graduação em Física; UFMG
• Palavras-chave em Português: Raman; Machine learning; Quinonas; DFT; Espectroscopia de Raman; Quinona; Aprendizado do computador
• Link de acesso: http://hdl.handle.net/1843/69279

Este trabalho traz um método de análise classificatória baseado nos espectros vibracionais Raman de 38 quinonas e estruturas relacionadas, ordenando e classificando espectralmente os compostos. Os sistemas moleculares são relevantes para processos químicos e biológicos, com aplicações em farmacologia, toxicologia e medicina. A estratégia classificatória usa uma combinação de análise de componentes principais com métodos de agrupamento k-means. Tanto as simulações teóricas como os dados experimentais são analisados, estabelecendo assim as suas características espectrais, relacionadas com as suas estruturas e propriedades químicas. O protocolo introduzido aqui deve ser amplamente aplicável em outros sistemas moleculares e de estado sólido, servindo de base para um protocolo de estudo de materiais fundamentado em espectroscopia Raman e aprendizado de máquina.