News News

Back

Departamento de Física da UFPE realiza webcolóquio sobre Big Data

Evento acontece na sexta-feira (3), às 16h

O Departamento de Física da UFPE promove na próxima sexta-feira (3), às 16h, o webcolóquio “Big Data de materiais: de métodos quânticos ao aprendizado de máquina”, com apresentação do professor Gustavo Dalpian, da Universidade Federal do ABC. O webcolóquio acontece via plataforma Google Meet. Os organizadores do evento pedem para que os interessados entrem na sala virtual com o microfone desligado e pelo email institucional (@ufpe.br).
 
Gustavo Dalpian se doutorou em Física pelo Instituto de Física da Universidade de São Paulo (USP) no ano de 2003. Logo após fez pós-doutoramentos no National Renewable Energy Laboratory e na Universidade do Texas em Austin nos Estados Unidos. É professor na Universidade Federal do ABC (UFABC), onde atuou como vice-reitor e pró-reitor de Pós-Graduação. Foi professor visitante na Universidade do Colorado em Boulder nos anos de 2017 e 2018. Possui experiência na área de Física da Matéria Condensada, focando sua pesquisa em uma interface entre Física, Química e Ciência de Materiais, particularmente estudando materiais semicondutores, nanoestruturas, informática de materiais e materiais para energia. Atualmente, é tesoureiro da Sociedade Brasileira de Física e coordenador da área de física na Fapesp.
 
Resumo
 
A área de modelagem computacional de materiais teve grandes avanços nas últimas décadas. O advento de métodos quânticos como a Teoria do Funcional da Densidade fez com que simulações de primeiros princípios se tornassem corriqueiras. O concomitante desenvolvimento de computadores cada vez mais rápidos fez com que a modelagem de um grande número de materiais fosse possível, levando a área para a era do 'Big Data' e da inteligência artificial. Neste colóquio discutirei os principais avanços da área, e mostrarei alguns exemplos de aplicações incluindo simulações em modo 'high thoughput' para o entendimento do desdobramento de spin em materiais semicondutores bidimensionais e métodos de aprendizado de máquina para a resposta magnética nesses materiais.
Date of last modification: 31/05/2022, 16:48