Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Ensino de Física (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172021000500205 |
Resumo: | Avanços recentes nas técnicas experimentais e desenvolvimentos teóricos e computacionais resultaram em um aumento crescente na geração de dados. Essa disponibilidade de dados, associada à novas ferramentas e tecnologias capazes de armazenar e processar esses dados, culminaram na chamada ciência de dados. Uma das áreas de maior destaque recente são os algoritmos de aprendizado de máquina (machine learning), que têm como objetivo a identificação de correlações e padrões nos conjuntos de dados. Esses algoritmos vêm sendo usados há décadas, por exemplo nas áreas da saúde. Apenas recentemente a comunidade introduziu a sua aplicação para materiais, devido à criação, padronização e consolidação de bancos de dados consistentes. O uso dessas metodologias permite extrair conhecimento e insights da enorme quantidade de dados brutos e informações agora disponíveis. A área apresenta diversas oportunidades para a solução de desafios na física, química e ciência de materiais. Especificamente, os métodos de machine learning são uma poderosa ferramenta para a descoberta e design de novos materiais com propriedades e funcionalidades desejadas e otimizadas. Neste artigo apresentamos o contexto do surgimento do machine learning, seus fundamentos e aplicações para a descoberta e design de materiais. |
id |
SBF-1_f9fc650c2462d2698751c05893a995f1 |
---|---|
oai_identifier_str |
oai:scielo:S1806-11172021000500205 |
network_acronym_str |
SBF-1 |
network_name_str |
Revista Brasileira de Ensino de Física (Online) |
repository_id_str |
|
spelling |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de MateriaisInteligência artificialciência de dadosciência baseada em ferramentasinformática de materiaisAvanços recentes nas técnicas experimentais e desenvolvimentos teóricos e computacionais resultaram em um aumento crescente na geração de dados. Essa disponibilidade de dados, associada à novas ferramentas e tecnologias capazes de armazenar e processar esses dados, culminaram na chamada ciência de dados. Uma das áreas de maior destaque recente são os algoritmos de aprendizado de máquina (machine learning), que têm como objetivo a identificação de correlações e padrões nos conjuntos de dados. Esses algoritmos vêm sendo usados há décadas, por exemplo nas áreas da saúde. Apenas recentemente a comunidade introduziu a sua aplicação para materiais, devido à criação, padronização e consolidação de bancos de dados consistentes. O uso dessas metodologias permite extrair conhecimento e insights da enorme quantidade de dados brutos e informações agora disponíveis. A área apresenta diversas oportunidades para a solução de desafios na física, química e ciência de materiais. Especificamente, os métodos de machine learning são uma poderosa ferramenta para a descoberta e design de novos materiais com propriedades e funcionalidades desejadas e otimizadas. Neste artigo apresentamos o contexto do surgimento do machine learning, seus fundamentos e aplicações para a descoberta e design de materiais.Sociedade Brasileira de Física2021-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172021000500205Revista Brasileira de Ensino de Física v.43 suppl.1 2021reponame:Revista Brasileira de Ensino de Física (Online)instname:Sociedade Brasileira de Física (SBF)instacron:SBF10.1590/1806-9126-rbef-2020-0407info:eu-repo/semantics/openAccessSchleder,Gabriel R.Fazzio,Adalbertopor2021-03-01T00:00:00Zoai:scielo:S1806-11172021000500205Revistahttp://www.sbfisica.org.br/rbef/https://old.scielo.br/oai/scielo-oai.php||marcio@sbfisica.org.br1806-91261806-1117opendoar:2021-03-01T00:00Revista Brasileira de Ensino de Física (Online) - Sociedade Brasileira de Física (SBF)false |
dc.title.none.fl_str_mv |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
title |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
spellingShingle |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais Schleder,Gabriel R. Inteligência artificial ciência de dados ciência baseada em ferramentas informática de materiais |
title_short |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
title_full |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
title_fullStr |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
title_full_unstemmed |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
title_sort |
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais |
author |
Schleder,Gabriel R. |
author_facet |
Schleder,Gabriel R. Fazzio,Adalberto |
author_role |
author |
author2 |
Fazzio,Adalberto |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Schleder,Gabriel R. Fazzio,Adalberto |
dc.subject.por.fl_str_mv |
Inteligência artificial ciência de dados ciência baseada em ferramentas informática de materiais |
topic |
Inteligência artificial ciência de dados ciência baseada em ferramentas informática de materiais |
description |
Avanços recentes nas técnicas experimentais e desenvolvimentos teóricos e computacionais resultaram em um aumento crescente na geração de dados. Essa disponibilidade de dados, associada à novas ferramentas e tecnologias capazes de armazenar e processar esses dados, culminaram na chamada ciência de dados. Uma das áreas de maior destaque recente são os algoritmos de aprendizado de máquina (machine learning), que têm como objetivo a identificação de correlações e padrões nos conjuntos de dados. Esses algoritmos vêm sendo usados há décadas, por exemplo nas áreas da saúde. Apenas recentemente a comunidade introduziu a sua aplicação para materiais, devido à criação, padronização e consolidação de bancos de dados consistentes. O uso dessas metodologias permite extrair conhecimento e insights da enorme quantidade de dados brutos e informações agora disponíveis. A área apresenta diversas oportunidades para a solução de desafios na física, química e ciência de materiais. Especificamente, os métodos de machine learning são uma poderosa ferramenta para a descoberta e design de novos materiais com propriedades e funcionalidades desejadas e otimizadas. Neste artigo apresentamos o contexto do surgimento do machine learning, seus fundamentos e aplicações para a descoberta e design de materiais. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-01-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172021000500205 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172021000500205 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/1806-9126-rbef-2020-0407 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Física |
publisher.none.fl_str_mv |
Sociedade Brasileira de Física |
dc.source.none.fl_str_mv |
Revista Brasileira de Ensino de Física v.43 suppl.1 2021 reponame:Revista Brasileira de Ensino de Física (Online) instname:Sociedade Brasileira de Física (SBF) instacron:SBF |
instname_str |
Sociedade Brasileira de Física (SBF) |
instacron_str |
SBF |
institution |
SBF |
reponame_str |
Revista Brasileira de Ensino de Física (Online) |
collection |
Revista Brasileira de Ensino de Física (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Ensino de Física (Online) - Sociedade Brasileira de Física (SBF) |
repository.mail.fl_str_mv |
||marcio@sbfisica.org.br |
_version_ |
1752122425889259520 |