http://repositorio.unb.br/handle/10482/54007| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2025_RodrigoAlkimimFariaAlves_TESE.pdf | 33,54 MB | Adobe PDF | Visualizar/Abrir |
| Título: | Estudos das propriedades mecânicas de alótropos de carbono 2D : dos potenciais clássicos aos modelos de aprendizado de máquina |
| Outros títulos: | Studies of the mechanical properties of 2D carbon allotropes : from classical potentials to machine learning models |
| Autor(es): | Alves, Rodrigo Alkimim Faria |
| Orientador(es): | Ribeiro Júnior, Luiz Antônio |
| Coorientador(es): | Pereira Júnior, Marcelo Lopes |
| Assunto: | Aprendizado de máquina Alótropos de carbono Dinâmica molecular Propriedades mecânicas |
| Data de publicação: | 10-fev-2026 |
| Data de defesa: | 28-nov-2025 |
| Referência: | ALVES, Rodrigo Alkimim Faria. Estudos das propriedades mecânicas de alótropos de carbono 2D: dos potenciais clássicos aos modelos de aprendizado de máquina. 2025. 112 f., il. Tese (Doutorado em Física) — Universidade de Brasília, Brasília, 2025. |
| Resumo: | A crescente diversidade de alótropos de carbono bidimensionais (2D) com topologias complexas exige a compreensão de suas propriedades mecânicas, cuja previsão precisa representa um desafio para os métodos computacionais tradicionais. Esta tese aborda este desafio investigando a resposta mecânica de alótropos com complexidade topológica crescente, através de uma abordagem computacional que progride de potenciais reativos clássicos, aplicados ao PAI-Graphene e à nova família Nanoporous Graphene (NPG), ao desenvolvimento de um Potencial Interatômico de Aprendizado de Máquina (MLIP) de alta fidelidade para o novo e complexo alótropo PolyRingene. Os resultados demonstram a estabilidade de todos os materiais propostos e, crucialmente, validam a metodologia de MLIP para o PolyRingene, mostrando que o potencial treinado reproduz com precisão os dados de referência da Teoria do Funcional da Densidade (DFT), em contraste com os potenciais clássicos que falham significativamente. Com a abordagem validada, foram caracterizadas as propriedades mecânicas anisotrópicas e os mecanismos de fratura dos novos alótropos, revelando uma rica relação entre a topologia da rede e sua resposta sob tensão. O trabalho contribui, portanto, com a proposição de novos alótropos de carbono mecanicamente robustos e estabelece um fluxo de trabalho que demonstra a superioridade e a necessidade dos potenciais de aprendizado de máquina para a predição acurada das propriedades de materiais com arquiteturas atômicas não convencionais. |
| Abstract: | The growing diversity of two-dimensional (2D) carbon allotropes with complex topologies demands an understanding of their mechanical properties, the accurate prediction of which represents a challenge for traditional computational methods. This thesis addresses this challenge by investigating the mechanical response of allotropes with increasing topological complexity, through a computational approach that progresses from classical reactive potentials, applied to PAI-Graphene and the novel Nanoporous Graphene (NPG) family, to the development of a high-fidelity Machine Learning Interatomic Potential (MLIP) for the new and highly complex allotrope, PolyRingene. The results demonstrate the stability of all proposed materials and, crucially, validate the MLIP methodology for PolyRingene, showing that the trained potential accurately reproduces reference data from Density Functional Theory (DFT), in contrast to classical potentials which fail significantly. With the validated approach, the anisotropic mechanical properties and fracture mechanisms of the new allotropes were characterized, revealing a rich relationship between the network topology and its response under stress. This work, therefore, contributes with the proposition of new mechanically robust carbon allotropes and establishes a workflow that demonstrates the superiority and necessity of machine learning potentials for the accurate prediction of the properties of materials with unconventional atomic architectures. |
| Unidade Acadêmica: | Instituto de Física (IF) |
| Informações adicionais: | Tese (doutorado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2025. |
| Programa de pós-graduação: | Programa de Pós-Graduação em Física |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. |
| Agência financiadora: | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e Fundação de Apoio à Pesquisa do Distrito Federal (FAPDF). |
| Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.