Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Novôa, Matheus Teixeira
Orientador(a): Muniz, André Rodrigues
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Dinâmica molecular
Aprendizado de máquina
Nanofilamentos de carbono
Palavras-chave em Inglês:
Carbon nanothreads
Neural network potentials
Machine learning potentials
Link de acesso: http://hdl.handle.net/10183/272007
Resumo: Nanofilamentos de carbono são nanomateriais unidimensionais constituídos por carbono e hidrogênio, que vêm ganhando muita notoriedade devido às suas excelentes propriedades mecânicas e potenciais aplicações tecnológicas. Trabalhos teóricocomputacionais, utilizando simulações de dinâmica molecular e realizados com potenciais interatômicos clássicos, têm falhado quantitativamente na tentativa de predizer tais propriedades para a diversidade de estruturas possíveis para esta classe de materiais. O objetivo deste trabalho é construir um potencial interatômico baseado em redes neurais, especializado na descrição das interações presentes em nanofilamentos de carbono. Para isso, foi gerada uma base de dados contendo várias estruturas teóricas para nanofilamentos, cujas posições atômicas foram geradas com o potencial reativo ReaxFF. As forças e energias correspondentes a cada configuração atômica gerada foram, posteriormente, calculadas com métodos de química quântica e utilizadas para o treinamento do modelo. O potencial interatômico baseado em redes neurais foi testado em simulações de deformação uniaxial, nas quais foi possível capturar o comportamento mecânico dos nanofilamentos e mensurar algumas propriedades. O potencial desenvolvido levou à obtenção de bons resultados para o módulo de Young e curvas de tensão-deformação de nanofilamentos com variadas estruturas e morfologias, com qualidade superior à potenciais que vêm sendo tradicionalmente utilizados na literatura, porém ainda com dificuldade de predizer propriedades para nanofilamentos com estruturas mais realísticas e complexas em temperaturas elevadas. Algumas melhorias ainda precisam ser feitas na composição da base de dados e em alguns hiperparâmetros do potencial para aprimorar os resultados de forma quantitativa.
id URGS_38c8c645fc25bb50db82ba1f26917e4b
oai_identifier_str oai:www.lume.ufrgs.br:10183/272007
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Novôa, Matheus TeixeiraMuniz, André RodriguesRanzan, Lucas2024-02-16T05:00:41Z2023http://hdl.handle.net/10183/272007001195372Nanofilamentos de carbono são nanomateriais unidimensionais constituídos por carbono e hidrogênio, que vêm ganhando muita notoriedade devido às suas excelentes propriedades mecânicas e potenciais aplicações tecnológicas. Trabalhos teóricocomputacionais, utilizando simulações de dinâmica molecular e realizados com potenciais interatômicos clássicos, têm falhado quantitativamente na tentativa de predizer tais propriedades para a diversidade de estruturas possíveis para esta classe de materiais. O objetivo deste trabalho é construir um potencial interatômico baseado em redes neurais, especializado na descrição das interações presentes em nanofilamentos de carbono. Para isso, foi gerada uma base de dados contendo várias estruturas teóricas para nanofilamentos, cujas posições atômicas foram geradas com o potencial reativo ReaxFF. As forças e energias correspondentes a cada configuração atômica gerada foram, posteriormente, calculadas com métodos de química quântica e utilizadas para o treinamento do modelo. O potencial interatômico baseado em redes neurais foi testado em simulações de deformação uniaxial, nas quais foi possível capturar o comportamento mecânico dos nanofilamentos e mensurar algumas propriedades. O potencial desenvolvido levou à obtenção de bons resultados para o módulo de Young e curvas de tensão-deformação de nanofilamentos com variadas estruturas e morfologias, com qualidade superior à potenciais que vêm sendo tradicionalmente utilizados na literatura, porém ainda com dificuldade de predizer propriedades para nanofilamentos com estruturas mais realísticas e complexas em temperaturas elevadas. Algumas melhorias ainda precisam ser feitas na composição da base de dados e em alguns hiperparâmetros do potencial para aprimorar os resultados de forma quantitativa.Carbon nanothreads are one-dimensional carbon nanomaterials which have gained notoriety due to their excellent mechanical properties and potential technological applications. Theoretical-computational studies using molecular dynamics simulations, carried-out with traditional classical interatomic potentials (AIREBO, ReaxFF) have failed quantitatively in the attempt to predict such properties for the diversity of possible structures for this class of materials. The objective of this work is to build an interatomic potential based on neural networks (NNP) specialized in describing the interactions present in carbon nanothreads. Initially, a database containing several theoretical structural models was generated, whose atomic positions were generated using the reactive potential ReaxFF. The forces and energies corresponding to each generated atomic configuration were subsequently calculated using quantum chemistry methods and used to train the model. The NNP was tested in uniaxial deformation simulations, where it was able to capture the mechanical behavior of nanothreads and to measure some properties. The developed potential led to the obtaining of good results to Young’s modulus and stress-strain curves of nanothreads with varied structures and morphologies, displaying superior quality compared to potentials traditionally used in the literature, however, it still struggles to predict properties for nanothreads with more realistic and complex structures at higher temperatures. Some improvements are still needed in the composition of the database and in certain potential hyperparameters to enhance the results quantitatively.application/pdfporDinâmica molecularAprendizado de máquinaNanofilamentos de carbonoCarbon nanothreadsNeural network potentialsMachine learning potentialsDesenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbonoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia QuímicaPorto Alegre, BR-RS2023mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001195372.pdf.txt001195372.pdf.txtExtracted Texttext/plain244381http://www.lume.ufrgs.br/bitstream/10183/272007/2/001195372.pdf.txt0e14b59cf74c25498aef49c62021d5acMD52ORIGINAL001195372.pdfTexto completoapplication/pdf15334922http://www.lume.ufrgs.br/bitstream/10183/272007/1/001195372.pdf0b45c1d56ce864e75d44eb41bb90e11eMD5110183/2720072024-02-17 05:55:50.117823oai:www.lume.ufrgs.br:10183/272007Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532024-02-17T07:55:50Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
title Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
spellingShingle Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
Novôa, Matheus Teixeira
Dinâmica molecular
Aprendizado de máquina
Nanofilamentos de carbono
Carbon nanothreads
Neural network potentials
Machine learning potentials
title_short Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
title_full Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
title_fullStr Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
title_full_unstemmed Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
title_sort Desenvolvimento de potenciais interatômicos baseados em aprendizado de máquina aplicados a nanofilamentos de carbono
author Novôa, Matheus Teixeira
author_facet Novôa, Matheus Teixeira
author_role author
dc.contributor.author.fl_str_mv Novôa, Matheus Teixeira
dc.contributor.advisor1.fl_str_mv Muniz, André Rodrigues
dc.contributor.advisor-co1.fl_str_mv Ranzan, Lucas
contributor_str_mv Muniz, André Rodrigues
Ranzan, Lucas
dc.subject.por.fl_str_mv Dinâmica molecular
Aprendizado de máquina
Nanofilamentos de carbono
topic Dinâmica molecular
Aprendizado de máquina
Nanofilamentos de carbono
Carbon nanothreads
Neural network potentials
Machine learning potentials
dc.subject.eng.fl_str_mv Carbon nanothreads
Neural network potentials
Machine learning potentials
description Nanofilamentos de carbono são nanomateriais unidimensionais constituídos por carbono e hidrogênio, que vêm ganhando muita notoriedade devido às suas excelentes propriedades mecânicas e potenciais aplicações tecnológicas. Trabalhos teóricocomputacionais, utilizando simulações de dinâmica molecular e realizados com potenciais interatômicos clássicos, têm falhado quantitativamente na tentativa de predizer tais propriedades para a diversidade de estruturas possíveis para esta classe de materiais. O objetivo deste trabalho é construir um potencial interatômico baseado em redes neurais, especializado na descrição das interações presentes em nanofilamentos de carbono. Para isso, foi gerada uma base de dados contendo várias estruturas teóricas para nanofilamentos, cujas posições atômicas foram geradas com o potencial reativo ReaxFF. As forças e energias correspondentes a cada configuração atômica gerada foram, posteriormente, calculadas com métodos de química quântica e utilizadas para o treinamento do modelo. O potencial interatômico baseado em redes neurais foi testado em simulações de deformação uniaxial, nas quais foi possível capturar o comportamento mecânico dos nanofilamentos e mensurar algumas propriedades. O potencial desenvolvido levou à obtenção de bons resultados para o módulo de Young e curvas de tensão-deformação de nanofilamentos com variadas estruturas e morfologias, com qualidade superior à potenciais que vêm sendo tradicionalmente utilizados na literatura, porém ainda com dificuldade de predizer propriedades para nanofilamentos com estruturas mais realísticas e complexas em temperaturas elevadas. Algumas melhorias ainda precisam ser feitas na composição da base de dados e em alguns hiperparâmetros do potencial para aprimorar os resultados de forma quantitativa.
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2024-02-16T05:00:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/272007
dc.identifier.nrb.pt_BR.fl_str_mv 001195372
url http://hdl.handle.net/10183/272007
identifier_str_mv 001195372
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/272007/2/001195372.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/272007/1/001195372.pdf
bitstream.checksum.fl_str_mv 0e14b59cf74c25498aef49c62021d5ac
0b45c1d56ce864e75d44eb41bb90e11e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316174235762688

Registros relacionados