Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais

• Autor(a) principal: Schleder,Gabriel R.
• Data de Publicação: 2021
• Outros Autores: Fazzio,Adalberto
• 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
• topic: Inteligência artificial; ciência de dados; ciência baseada em ferramentas; informática de materiais

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.