Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))

• Ano de defesa: 2023
• Autor(a) principal: DAMANTE, Lucas de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Triângulo Mineiro; Instituto de Ciências Biológicas e Naturais - ICBN; Brasil; UFTM; Programa de Pós-Graduação em Ciência e Tecnologia dos Materiais
• Palavras-chave em Português: Rede neural artificial.; Supercapacitores.; Grafeno.; Inteligência artificial.; Artificial neural network.; Supercapacitor.; Graphene.; Artificial intelligence.; CNPQ::ENGENHARIAS
• Link de acesso: http://bdtd.uftm.edu.br/handle/123456789/1807

Nesta dissertação apresentamos que os supercapacitores podem ser otimizados usando simulações computacionais, desde que seguido uma série de procedimentos técnicos. Eletrônicos em geral cada vez mais usam em suas configurações armazenadores de energia: capacitores, baterias e os supercapacitores, por isso, este tema é muito relevante pesquisar. O trabalho em si tem como objetivo estudar o método de RNA (Redes Neurais Artificiais) para obtenção de capacitores e supercapacitores eletroquímicos, bem como calcular capacitâncias e testar as principais funções de ativação de uma rede neural: ReLu, Sigmoid, Softmax, Softplus, Tanh. Contudo, este trabalho tem um enfoque principal em (IA) Inteligência Artificial, bem como a obtenção da maximização da eficiência de supercapacitores eletroquímicos de grafeno, usando o método de RNA (Artificial Neural Networks - ANN). Além disso, foi desenvolvida uma caracterização da configuração das redes neurais de Machine Learning, enfatizando estratégias de como obter configurações máximas de supercapacitores eletroquímicos otimizados.