Seleção de inibidores de corrosão orgânicos para aplicações aeronáuticas através de aprendizagem automática

• Autor(a) principal: Ferreira, Inês Manuela Alves
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/33454
• topic: Corrosão; Inibidores de corrosão orgânicos; Alumínio; Aprendizagem automática

Os inibidores de corrosão têm um papel importante, pois ajudam a limitar a corrosão em metais, evitando o aparecimento de problemas estruturais graves nos materiais. Atualmente, há um maior interesse na substituição de compostos frequentemente usados na proteção de estruturas metálicas por inibidores de corrosão orgânicos, pois estes podem ser modificados, de modo a torná-los mais amigos do ambiente e sem estarem associados a problemas de toxicidade. Contudo, o número de estruturas que podem ser obtidas é extremamente elevado, tornando impossível testar experimentalmente todos os compostos, e o conhecimento sobre a sua capacidade de inibição é ainda insuficiente, devido ao seu elevado grau de complexidade e todos os fatores que estão envolvidos no processo de corrosão. Assim, neste trabalho, foi obtido um maior conjunto de dados da literatura em comparação com trabalhos anteriores, contribuindo para o desenvolvimento de uma ferramenta online de gestão de dados aberta, que permite comparar diferentes compostos e facilitar a procura de inibidores mais adequados para as condições pretendidas. Posteriormente, foram aplicadas abordagens de Aprendizagem Automática (Machine Learning), considerando diferentes descritores computacionais e quimioinformáticos, para prever a eficiência de inibição de compostos orgânicos para ligas de alumínio utilizadas em aplicações aeronáuticas. De acordo com os resultados, obteve-se uma exatidão balanceada igual a 76 % para classificação de compostos orgânicos inibidores com eficiência igual ou superior a 75 %, através do algoritmo das florestas aleatórias, e uma probabilidade de classificar corretamente inibidores (86 %), para novos dados, foi superior à probabilidade de classificar corretamente não inibidores (66 %). Assim, esta abordagem pode ser útil para realizar uma triagem virtual inicial de compostos potencialmente inibidores de corrosão, para serem subsequentemente testados experimentalmente, reduzindo assim o tempo necessário para obter o inibidor de corrosão correto sob condições de aplicação específicas. Além disso, o modelo obtido pode ser incorporado, posteriormente, num aplicativo online baseado na Aprendizagem Automática.