Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/26791
| Type: | Trabalho de conclusão de graduação |
| Title: | Explorando algoritmos de aprendizado de máquina para previsão de isotermas de CO2 e N2 em materiais reticulares |
| Author(s)/Inventor(s): | Sousa, João Matheus Chagas |
| Advisor: | Esteves, Pierre Mothé |
| Abstract: | A intensificação das emissões de CO2 devido às atividades humanas representa um dos maiores desafios ambientais da atualidade, exigindo o desenvolvimento de tecnologias eficazes para captura e armazenamento. Entre as estratégias disponíveis, os materiais reticulares se destacam por sua alta área especifica e seletividade na adsorção de gases. Contudo, identificar os materiais mais eficientes para captura de CO2 sob diferentes condições de pressão e temperatura ainda é um desafio, devido ao grande volume de estruturas disponíveis em bancos de dados. Neste trabalho, foi adotada uma abordagem sistemática para a geração de dados de adsorção de CO2 e N2 em materiais reticulares. As quantidades de adsorção foram determinadas por meio de simulações GCMC, que modelaram a interação entre os materiais e as moléculas-alvo. Os dados simulados foram ajustados ao modelo de isoterma de Langmuir de dois sítios (DSL), e os parâmetros resultantes foram utilizados para treinar diferentes modelos de aprendizado de máquina (ML). O desempenho dos modelos foi avaliado, e o mais preciso foi utilizado para prever a capacidade de adsorção de novos materiais. Essa abordagem possibilitou a triagem eficiente de materiais promissores, reduzindo a necessidade de simulações computacionais intensivas e contribuindo para a otimização de processos de captura de carbono. |
| Keywords: | Aprendizado de máquina Materiais nanoporosos Adsorção Captura de CO2 |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA |
| Production unit: | Instituto de Química |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 21-Feb-2025 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Química |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| JMCSousa.pdf | 2.56 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.