EVOLUTIONARY SYNTHESIS IN NANOTECHNOLOGY

• Ano de defesa: 2006
• Autor(a) principal: LEONE PEREIRA MASIERO
• Orientador(a): MARCO AURELIO CAVALCANTI PACHECO
• Banca de defesa: MARCO AURELIO CAVALCANTI PACHECO, CARLOS ROBERTO HALL BARBOSA, JOSE FRANCO MACHADO DO AMARAL, MARCO CREMONA
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
• Programa de Pós-Graduação: PPG EM ENGENHARIA ELÉTRICA
• País: BR
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8879@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8879@2

A Nanotecnologia teve seus primeiros conceitos introduzidos pelo físico americano Richard Feynman em 1959, em sua famosa palestra intitulada There´s plenty of room at the bottom (Ainda há muito espaço sobrando no fundo). Já a Inteligência Computacional tem sido utilizada com sucesso em diversas áreas no meio acadêmico e industrial. Este trabalho investiga o potencial dos Algoritmos Genéticos na otimização e síntese de dispositivos e estruturas na área de Nanotecnologia, através de 3 tipos de aplicações distintas: síntese de circuitos eletrônicos moleculares, projeto de novos polímeros condutores e otimização de parâmetros de OLEDs (Organic Light-Emitting Diodes). A síntese de circuitos eletrônicos moleculares é desenvolvida com base em Hardware Evolucionário (EHW - Evolvable Hardware) e tem como principais elementos dois dispositivos moleculares simulados em SPICE: o diodo molecular e o transistor molecular. O projeto de novos polímeros condutores é baseado em uma metodologia que combina uma aproximação tight-binding (hamiltoniano de Hückel simplificado) que representa a estrutura eletrônica de uma cadeia polimérica, empregando um AG com avaliação distribuída como mecanismo de síntese. Finalmente, a otimização de parâmetros de OLEDs é desenvolvida por meio de um método que modela o comportamento elétrico do dispositivo com multicamadas, onde cada camada possui uma proporção de MTE (material transportador de elétrons) e uma proporção de MTB (material transportador de buracos). As aplicações apresentam resultados que comprovam que o apoio de técnicas de Inteligência Computacional como os Algoritmos Genéticos no mundo nanométrico pode trazer benefícios para a criação e o desenvolvimento de novas tecnologias.