Aplicação do método de análise de componentes principais no estudo de compostos orgânicos do tipo chalcona

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Inacio, Anna Cristina Cavallari
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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