Predição de funcionalidades controláveis em materiais quânticos usando inteligência artificial

Descrição

Este projeto propõe o desenvolvimento de uma metodologia baseada em inteligência artificial, aprendizado de máquina interpretável e design inverso de propriedades para predizer materiais quânticos com funcionalidades controláveis. A ideia central é identificar compostos que combinem uma funcionalidade principal — elétrica, magnética, topológica ou eletrônica — com uma segunda propriedade capaz de controlar ou modular essa funcionalidade. A abordagem será construída a partir de atributos de composição, estrutura cristalina e simetria, permitindo a criação de descritores físicos e regras de design para diferentes classes de materiais. Esses descritores serão obtidos por métodos de aprendizado de máquina e validados por cálculos de primeiros princípios, especialmente baseados em teoria do funcional da densidade. O projeto buscará aplicações em semicondutores multiferróicos, isolantes topológicos antiferromagnéticos com spin splitting, materiais bidimensionais com acoplamento vale-spin e supercondutores sob alta pressão. Como resultados esperados, destacam-se a identificação de novos materiais funcionais, a compreensão dos mecanismos físicos responsáveis por suas propriedades e a construção de uma plataforma metodológica reutilizável para a descoberta de materiais quânticos.