PPGFÍSICA - Programa de Pós-Graduação em Física
- UFPE/
- Education/
- Graduate Degree (Master and Doctorate)/
- (PPGFISICA) Graduate Program in Physics/
- Reports/
- 28/05/2021 Colóquio (WEBINAR) Ensinando computadores a aprender: redes neurais para entender as propriedades da água - Alexandre Reily Rocha (Instituto de Física Teórica, UNESP)
Navigation Navigation
- About the Program
- Curriculum Grid
- Faculty
- Student Body
- Alumni
- Internationalization
- Documents
- Scientific Production
- Contact Us
- Summer Courses
- Escola de Física da Matéria Condensada
- Planejamento Estratégico
- Qualification Exam (Doctorate)
- Academic Information
- Conferences and Seminars
- Exchanges and Funding
- Teaching Internships - CAPES
- PrInt / CAPES
- Pesquisa
Asset Publisher Asset Publisher
28/05/2021 Colóquio (WEBINAR) Ensinando computadores a aprender: redes neurais para entender as propriedades da água - Alexandre Reily Rocha (Instituto de Física Teórica, UNESP)
Título:
Ensinando computadores a aprender: redes neurais para entender as propriedades da água
Coloquialista:
Alexandre Reily Rocha (Instituto de Física Teórica, UNESP)
Resumo:
A água é, provavelmente, o líquido mais importante para a humanidade. Apesar de sua aparente simplicidade (um constituinte molecular com apenas 3 átomos) é uma substância extremamente difícil de ser modelada do ponto de vista teórico já que há um balanço delicado entre interações fracas e fortes. Isto impede que possamos ter uma visão microscópica completa deste líquido. As técnicas computacionais mais completas são extremamente custosas do ponto de vista computacional e portanto são limitadas a algumas poucas moléculas, e portanto inviáveis para simular líquidos. Mesmo métodos rotineiramente utilizados na química e na física para simular materiais, como a teoria do funcional da densidade não permitem obter a dinâmica deste líquido considerando as dimensões e escalas de tempo necessárias para obter resultados de grandezas físicas que podem ser comparadas aos experimentos. Líquidos são complicados e a água é um dos casos mais extremos.
Uma maneira de resolver este problema é ensinar ao computador as propriedades de pequenos fragmentos do sistema e utilizar este treinamento para simular sistemas maiores e por mais tempo. Este processo é a essência do aprendizado de máquina. Neste colóquio irei abordar alguns aspectos de redes neurais aplicadas ao problema de simulação de sistemas quânticos desordenados, como líquidos, e mostrar como isto nos permite obter informações até o momento inacessíveis de maneira acurada por outros métodos.
Data, horário e local:
28 de maio de 2021, (sexta-feira) 16h
Ambiente Virtual: Google Meet
Segue endereço do Webinar:
https://meet.google.com/nks-ahit-bmt
Orientações:
1. Entrar com o microfone desligado.
2. Entrar com o email institucional (@ufpe.br)
Clique aqui para o PDF do cartaz com link do canal