Ferramentas de IA para pesquisa de materiais e nanotecnologia – Physics World

Nos últimos anos, vários desenvolvimentos tecnológicos e científicos foram possíveis devido à convergência entre o aprendizado de máquina e a física em nanoescala. Este webinar examina este campo de rápido progresso da 'nanotecnologia inteligente' e reúne quatro pesquisadores líderes dentro dele.

Durante o webinar, organizado por Nano Futuros, aprenderemos sobre alguns dos desenvolvimentos e avanços mais recentes que estão ocorrendo, a direção projetada que o campo pode tomar no futuro e os desafios mais críticos colocados atualmente.

Keith Brown, Universidade de Boston, EUA
Apresentação: Rumo à descoberta de materiais em circuito fechado na escala do femtograma usando sondas de varredura
Keith A Brown é professor associado de engenharia mecânica, ciência e engenharia de materiais e física na Universidade de Boston. O KABlab estuda abordagens para acelerar o desenvolvimento de materiais e estruturas avançadas com foco em polímeros. O grupo emprega laboratórios autônomos, fabricação aditiva, técnicas de varredura de sonda e aprendizado de máquina para atingir esses objetivos. Keith é coautor de mais de 100 publicações revisadas por pares e possui seis patentes emitidas. Keith recebeu o prêmio Frontiers of Materials da The Minerals, Metals, & Materials Society (TMS), foi nomeado “Future Star of the AVS” e recebeu o prêmio Omar Farha de liderança em pesquisa da Northwestern University. Keith serviu no Nano Letters Conselho Consultivo em Início de Carreira, co-organizou um Workshop das Academias Nacionais de Ciência, Engenharia e Medicina sobre IA para Descoberta Científica e atualmente lidera a Força-Tarefa de Preparação de Inteligência Artificial em Desenvolvimento de Materiais da MRS.

Sergei Kalinin, Universidade do Tennessee, Knoxville e Laboratório Nacional Pacific Northwest, EUA
Apresentação: Física e descoberta da relação estrutura-propriedade via microscopia automatizada de varredura por sonda
Sergei V Kalinin é professor Weston Fulton da Universidade do Tennessee em Knoxville e cientista-chefe de ML/IA para ciências físicas no Pacific Northwest National Laboratory. Seus interesses de pesquisa incluem aprendizado de máquina para descoberta e otimização de materiais, montagem atômica direta via feixes de elétrons, aplicações de aprendizado de máquina e inteligência artificial para extração física de dados de imagem mesoscópicos e resolvidos atomicamente e acoplamento entre fenômenos eletromecânicos, elétricos e de transporte em a nanoescala. Ele recebeu vários prêmios, incluindo a Medalha Medard Welch da ACS (2023) e o Prêmio Nacional Blavatnik para Jovens Cientistas (2018). Sergei publicou mais de 700 artigos em periódicos revisados ​​por pares, editou quatro livros e é detentor de mais de 10 patentes. Sergei organizou vários simpósios em todo o mundo, atua como consultor para empresas como a Intel e vários fabricantes de microscopia de varredura por sonda, e faz parte do conselho editorial de inúmeras revistas acadêmicas internacionais.

Amanda Barnard, Universidade Nacional Australiana, Austrália
Apresentação: Recursos interpretáveis, instâncias influentes e modelos explicáveis ​​de aprendizado de máquina para nanociência e tecnologia
Amanda Barnard é uma das cientistas computacionais mais premiadas da Austrália. Atualmente, ela lidera pesquisas na interface de modelagem computacional, supercomputação de alto desempenho e aprendizado de máquina aplicado e inteligência artificial (IA). Ela recebeu seu bacharelado (Hons) em física aplicada em 2000, seu doutorado em física teórica da matéria condensada em 2003 e doutorado em 2020 pela RMIT University. Com mais de 20 anos de experiência em computação de alto desempenho, modelagem computacional e informática, Amanda faz parte de conselhos de diversas instituições. Ela foi reconhecida por sua liderança e premiada em cinco disciplinas científicas. Ela é membro do Instituto Australiano de Física (FAIP), da Royal Society of Chemistry (FRSC) e em 2022 foi nomeada Membro da Ordem da Austrália (AM). Amanda é a atual editora-chefe da Nano Futuros e seus atuais interesses de pesquisa incluem aprendizado de máquina aplicado e inteligência artificial, ciência de dados e eResearch e computação de alto desempenho.

Yaroslava Yingling, Universidade Estadual da Carolina do Norte, EUA
Apresentação: Rumo à fusão de dados na ciência dos materiais: unindo simulações e experimentos com a ciência de dados
Professora ilustre da Kobe Steel, Yaroslava G Yingling é chefe de departamento associado, bolsista universitária e diretora de programas de graduação. Ela recebeu seu diploma universitário em ciência da computação e engenharia pela Universidade Técnica Estadual de São Petersburgo da Rússia e seu doutorado em engenharia de materiais e computação de alto desempenho pela Universidade Estadual da Pensilvânia em 2002. Ela realizou pesquisa de pós-doutorado no departamento de química da Penn State University e na do National Institutes of Health National Cancer Institute, antes de ingressar na North Carolina State University em 2007. Ela é editora do Springer Jjornal de Ciência dos Materiais e um membro do conselho editorial da Ciência e Engenharia de Biomateriais ACS e Materiais Aplicados e Interfaces ACS. Ela recebeu o prêmio CAREER da National Science Foundation e o prêmio Open Eye Young Investigator da American Chemical Society, e foi nomeada bolsista do corpo docente da NC State University. Ela foi admitida na NC State Research Leadership Academy em 2021 e recebeu o prêmio de pesquisa excepcional da NC State Alumni Association.

Sobre este jornal

Nano Futuros é uma revista multidisciplinar e de alto impacto que publica pesquisas fundamentais e aplicadas na vanguarda da nanociência e da inovação tecnológica.

Editora-chefe: Amanda Barnard, professora sênior de ciência da computação e vice-diretora da Escola de Computação da Universidade Nacional Australiana.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://physicsworld.com/a/ai-tools-for-materials-research-and-nanotechnology/