Inteligência artificial aplicada à descoberta inteligente de materiais nanofotônicos

• Ano de defesa: 2023
• Autor(a) principal: LIMA, José Guilherme Bispo de Albuquerque
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Ciencia da Computacao
• Palavras-chave em Português: Nanobastões de ouro; Algoritmos genéticos multiobjetivo; Otimização; Revisão sistemática; Métodos dos elementos finitos
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/54318

A otimização de nanobastões de ouro ainda enfrenta desafios, especialmente devido à complexidade do processo, que envolve múltiplos objetivos, como: eficiência, custo, e esca- labilidade 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 de- vido 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), com o propósito de encontrar um espaço de soluções que melhoram o desempenho das curvas de seção transversal de extinção, métrica que mede a eficiência de absorção de luz em nanobastões. O trabalho iniciou com uma revisão sistemática das aplicações da Inteligência Artificial (IA), como Aprendizado Profundo, AG no aprimoramento e desenvolvimento de materiais nanofotônicos para entender como essas áreas se relacionam entre si, buscando fornecer uma visão baseada em evidências dos principais trabalhos publicados. O software de elementos finitos, Comsol Multiphysics, também foi utili- zado para simulação das configurações finais do AGM. O algoritmo operou em regime restrito de intervalos de valores dos parâmetros e funções objetivo, também foram aplicados testes estatísticos de hipóteses para validação dos resultados.