Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://www.teses.usp.br/teses/disponiveis/76/76135/tde-08012026-114253/ |
Resumo: | Atualmente, na área de Fotônica, há um crescente interesse no desenvolvimento de novas tecnologias e dispositivos e, para isso, tem se buscado cada vez mais materiais aptos às aplicações desejadas. Compostos orgânicos ganharam destaque devido à ampla gama de aplicações e à possibilidade de modulação das características ópticas por engenharia molecular, tornando-se alvos recorrentes de estudo em óptica não linear. Esse tipo de estudo é complexo já que diferentes fatores correlacionados influenciam na eficiência da absorção não linear em moléculas orgânicas, entre eles, a estrutura molecular e a relação entre grupos aceitador/doador, que, em geral, são analisadas manualmente de forma fenomenológica. Métodos computacionais de aprendizado de máquina vêm sendo empregados como uma alternativa para facilitar a análise e interpretação de dados em óptica não linear. Este trabalho investigou a aplicação da Análise de Componentes Principais (PCA), um método de aprendizado não supervisionado, capaz de reduzir a dimensionalidade de base de dados complexas, preservando o máximo de informação, simplificando a interpretação das variáveis e permitindo agrupamento de dados semelhantes. Foi utilizada uma base de dados composta por moléculas orgânicas do grupo das Chalconas, previamente estudadas pelo Grupo de Fotônica/IFSC USP. Inicialmente foram analisados os espectros de absorção de dois fótons (A2F), e a PCA evidenciou, a partir do agrupamento das moléculas, a influência da natureza e posição dos substituintes sobre a intensidade e deslocamento das bandas de A2F. Em seguida, os parâmetros fotofísicos das moléculas foram analisados por PCA, permitindo identificar novamente agrupamentos coerentes com as características estruturais e revelar correlações entre variáveis, como momentos de dipolo de transição e comprimento de onda máximo de absorção linear. Apesar das limitações observadas no método, os resultados demonstram a PCA como uma ferramenta exploratória capaz de auxiliar na interpretação de bases de dados extensas e oferecer subsídios iniciais para o desenvolvimento de novos materiais fotônicos. |
| id |
USP_01f3571791ab73ddf6bf18c67c5d771c |
|---|---|
| oai_identifier_str |
oai:teses.usp.br:tde-08012026-114253 |
| network_acronym_str |
USP |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
| repository_id_str |
|
| spelling |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalconaPrincipal component analysis applied to chalcone-type organic compoundsAbsorção de dois fótonsAnálise de componentes principaisChalconasChalconesPrincipal component analysisTwo-photon absorptionAtualmente, na área de Fotônica, há um crescente interesse no desenvolvimento de novas tecnologias e dispositivos e, para isso, tem se buscado cada vez mais materiais aptos às aplicações desejadas. Compostos orgânicos ganharam destaque devido à ampla gama de aplicações e à possibilidade de modulação das características ópticas por engenharia molecular, tornando-se alvos recorrentes de estudo em óptica não linear. Esse tipo de estudo é complexo já que diferentes fatores correlacionados influenciam na eficiência da absorção não linear em moléculas orgânicas, entre eles, a estrutura molecular e a relação entre grupos aceitador/doador, que, em geral, são analisadas manualmente de forma fenomenológica. Métodos computacionais de aprendizado de máquina vêm sendo empregados como uma alternativa para facilitar a análise e interpretação de dados em óptica não linear. Este trabalho investigou a aplicação da Análise de Componentes Principais (PCA), um método de aprendizado não supervisionado, capaz de reduzir a dimensionalidade de base de dados complexas, preservando o máximo de informação, simplificando a interpretação das variáveis e permitindo agrupamento de dados semelhantes. Foi utilizada uma base de dados composta por moléculas orgânicas do grupo das Chalconas, previamente estudadas pelo Grupo de Fotônica/IFSC USP. Inicialmente foram analisados os espectros de absorção de dois fótons (A2F), e a PCA evidenciou, a partir do agrupamento das moléculas, a influência da natureza e posição dos substituintes sobre a intensidade e deslocamento das bandas de A2F. Em seguida, os parâmetros fotofísicos das moléculas foram analisados por PCA, permitindo identificar novamente agrupamentos coerentes com as características estruturais e revelar correlações entre variáveis, como momentos de dipolo de transição e comprimento de onda máximo de absorção linear. Apesar das limitações observadas no método, os resultados demonstram a PCA como uma ferramenta exploratória capaz de auxiliar na interpretação de bases de dados extensas e oferecer subsídios iniciais para o desenvolvimento de novos materiais fotônicos.Currently, in the Photonics field, there is a growing interest in the development of new technologies and devices, and for this purpose, there has been an increasing search for materials suitable for the desired applications. Organic compounds have gained prominence due to their wide range of applications and the possibility of tuning their optical properties through molecular engineering, making them recurring targets for nonlinear optics studies. This type of research is complex, since several correlated factors influence the efficiency of nonlinear absorption in organic molecules, including molecular structure and acceptor/donor relationship of peripheral groups, which are generally analyzed manually and phenomenologically. Machine learning methods have been employed as an alternative to facilitate data analysis and interpretation in nonlinear optics. This work investigated the application of Principal Component Analysis (PCA), an unsupervised learning method capable of reducing the dimensionality of complex databases while preserving maximum information as possible, simplifying the interpretation of variables and allowing the clustering of similar data. The dataset used is composed of organic molecules from the chalcone family, previously studied by the Photonics Group at IFSC/USP. Initially, two-photon absorption (2PA) spectra were analyzed, and PCA revealed, through molecular clustering, the influence of the nature and position of substituents on the intensity and spectral shift of 2PA bands. Subsequently, the photophysical parameters of the molecules were analyzed by PCA, which once again allowed the identification of structurally coherent clustering and revealed correlations between variables such as transition dipole moments and maximum linear absorption wavelength. Despite the limitations of the method, the results demonstrate that PCA is an exploratory tool capable of assisting in the interpretation of large databases and providing initial insights for the development of new photonic materials.Biblioteca Digitais de Teses e Dissertações da USPMendonça, Cleber RenatoInacio, Anna Cristina Cavallari2025-11-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/76/76135/tde-08012026-114253/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2026-01-14T19:29:02Zoai:teses.usp.br:tde-08012026-114253Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212026-01-14T19:29:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
| dc.title.none.fl_str_mv |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona Principal component analysis applied to chalcone-type organic compounds |
| title |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| spellingShingle |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona Inacio, Anna Cristina Cavallari Absorção de dois fótons Análise de componentes principais Chalconas Chalcones Principal component analysis Two-photon absorption |
| title_short |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| title_full |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| title_fullStr |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| title_full_unstemmed |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| title_sort |
Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona |
| author |
Inacio, Anna Cristina Cavallari |
| author_facet |
Inacio, Anna Cristina Cavallari |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Mendonça, Cleber Renato |
| dc.contributor.author.fl_str_mv |
Inacio, Anna Cristina Cavallari |
| dc.subject.por.fl_str_mv |
Absorção de dois fótons Análise de componentes principais Chalconas Chalcones Principal component analysis Two-photon absorption |
| topic |
Absorção de dois fótons Análise de componentes principais Chalconas Chalcones Principal component analysis Two-photon absorption |
| description |
Atualmente, na área de Fotônica, há um crescente interesse no desenvolvimento de novas tecnologias e dispositivos e, para isso, tem se buscado cada vez mais materiais aptos às aplicações desejadas. Compostos orgânicos ganharam destaque devido à ampla gama de aplicações e à possibilidade de modulação das características ópticas por engenharia molecular, tornando-se alvos recorrentes de estudo em óptica não linear. Esse tipo de estudo é complexo já que diferentes fatores correlacionados influenciam na eficiência da absorção não linear em moléculas orgânicas, entre eles, a estrutura molecular e a relação entre grupos aceitador/doador, que, em geral, são analisadas manualmente de forma fenomenológica. Métodos computacionais de aprendizado de máquina vêm sendo empregados como uma alternativa para facilitar a análise e interpretação de dados em óptica não linear. Este trabalho investigou a aplicação da Análise de Componentes Principais (PCA), um método de aprendizado não supervisionado, capaz de reduzir a dimensionalidade de base de dados complexas, preservando o máximo de informação, simplificando a interpretação das variáveis e permitindo agrupamento de dados semelhantes. Foi utilizada uma base de dados composta por moléculas orgânicas do grupo das Chalconas, previamente estudadas pelo Grupo de Fotônica/IFSC USP. Inicialmente foram analisados os espectros de absorção de dois fótons (A2F), e a PCA evidenciou, a partir do agrupamento das moléculas, a influência da natureza e posição dos substituintes sobre a intensidade e deslocamento das bandas de A2F. Em seguida, os parâmetros fotofísicos das moléculas foram analisados por PCA, permitindo identificar novamente agrupamentos coerentes com as características estruturais e revelar correlações entre variáveis, como momentos de dipolo de transição e comprimento de onda máximo de absorção linear. Apesar das limitações observadas no método, os resultados demonstram a PCA como uma ferramenta exploratória capaz de auxiliar na interpretação de bases de dados extensas e oferecer subsídios iniciais para o desenvolvimento de novos materiais fotônicos. |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025-11-05 |
| 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 |
https://www.teses.usp.br/teses/disponiveis/76/76135/tde-08012026-114253/ |
| url |
https://www.teses.usp.br/teses/disponiveis/76/76135/tde-08012026-114253/ |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
|
| dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
|
| dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
| instname_str |
Universidade de São Paulo (USP) |
| instacron_str |
USP |
| institution |
USP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
| collection |
Biblioteca Digital de Teses e Dissertações da USP |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
| repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
| _version_ |
1865492414240653312 |