GTC1 -  Profa. Dra. Laura Paulucci Marinho (UFABC)

Título: Física ao extremo: Anãs brancas, estrelas de nêutrons e buracos negros

Resumo: Quando cessa a geração de energia por reações nucleares no interior das estrelas, uma sequência de eventos ocorre dando origem a um remanescente que depende essencialmente da massa inicial do objeto: anã branca, estrela de nêutrons ou buraco negro. Nestes, chamados de objetos compactos em astrofísica, é onde encontramos as maiores densidades, os maiores campos magnéticos, os campos gravitacionais mais intensos, as maiores emissões de energia na formação, ou seja, situações que testam o nosso conhecimento do mundo físico. Discutiremos suas características, como compreendemos estes objetos, como conseguimos estudá-los, já que são pequenos e distantes. Eles contribuem de maneira fundamental na formação de elementos mais pesados que o ferro, além de ocuparem papel central na determinação da natureza das interações fortes em condições inacessíveis aos experimentos em laboratório, constituindo janelas para os mais extremos estados da matéria.

GTC2 - Prof. Dr. Rodrigo Rocha Cuzinatto (UNIFAL)

Título: Fundamentos de cosmologia, inflação à la Starobinsky e mais

Resumo: "The Cosmos is all that is or ever was or ever will be" (Carl Sagan). A cosmologia física é o estudo do universo em larga escala, sua estrutura, sua história, seu destino. Partindo das evidências observacionais, construiremos as equações (diferenciais acopladas) descrevendo o modelo homogêneo e isotrópico para o Cosmos. Encontraremos soluções particulares dessas equações, com destaques para a solução de poeira (nós: "poeira de estrelas"), para a solução de matéria escura (produzindo "the Force binds the galaxy together"), para a solução de energia escura (o Lambda que engendra a aceleração atual). A história do universo inclui seu começo: o evento do Big Bang, seguido de uma expansão inflacionária. Abordaremos a proposta do universo inflacionário, com enfoque no modelo proposto por Alexei Starobinsky, que é corroborado pelas observações da radiação cósmica de fundo (CMB). Nosso mini-curso se encerrará com um bônus sobre extensões possíveis ao modelo de Starobinsky.

MCE1 - Prof. Dr. Alisson Ronieri Cadore (LNNano/CNPEM)

Título:  Nano e Microfabricação de Dispositivos Multifuncionais e Materiais 2D

Resumo: O minicurso de Nano e Microfabricação de Dispositivos Multifuncionais e Materiais 2D oferece uma introdução abrangente às técnicas avançadas utilizadas na fabricação de dispositivos em escalas nanométricas e micrométricas. Focado em materiais bidimensionais e suas heteroestruturas, o curso aborda litografia, deposição de filmes finos, gravura a plasma e caracterização optoeletrônica de dispositivos 2D multifuncionais. Além disso, o minicurso oferece uma abordagem virtual e imersiva nas instalações de Nano e Microfabricação do LNNano no CNPEM, permitindo que os participantes identifiquem e conheçam equipamentos avançados no ambiente de “sala limpa”, para a fabricação de dispositivos multifuncionais.

MCE2 - Prof. Dr. Alexandre Marletta (INFIS/UFU)

Título:  Espectroscopia de Materiais

Resumo: Este curso oferece uma visão abrangente sobre os princípios e aplicações da espectroscopia óptica. Os participantes serão introduzidos aos fundamentos históricos da espectroscopia, da interação da luz com a matéria, incluindo conceitos como absorção e emissão. Serão abordados os diferentes tipos de espectroscopia, como UV-Vis, infravermelha e Raman, e suas aplicações em diversas áreas, como química, biologia e materiais. Ao longo do curso, os participantes terão a oportunidade de aprender os conceitos teóricos por trás das técnicas espectroscópicas que ajudarão na análise de dados espectrais. O objetivo é capacitar os alunos a interpretar espectros e compreender a relevância da espectroscopia na pesquisa científica e na indústria. Ao final do curso, os participantes estarão aptos a aplicar os conceitos aprendidos em projetos de pesquisa e a utilizar a espectroscopia como uma ferramenta poderosa na análise de materiais semicondutores orgânicos ou inorgânicos luminescentes.

MCT1 - Prof. Dr. Marcio J. T. Costa (IF/UFF)

Title:  Cálculos de Primeiros Princípios Aplicado a Informática de Materiais

Resumo:  Neste minicurso abordaremos os principais aspectos da utilização de simulações computacionais aplicado a ciência de materiais. A Informática de Materiais é um conjunto de técnicas computacionais utilizadas na descoberta/entendimento de propriedades de materiais com potenciais aplicações. Esta técnicas combinam massivas simulações computacionais (cálculos high-throughput), ciência de dados e inteligência artificial. Na primeira parte deste mincurso discutiremos a principal ferramenta de cálculos de primeiros princípios, a Teoria do Funcional da Densidade (DFT). Apresentaremos os pontos principais e que tipo de problemas podemos investigar com esta metodologia assim como suas limitações. Na segunda parte do minicurso teremos um tutorial de como utilizar o código o Quantum Expresso. Também utilizaremos um código PAOFLOW para obter algumas propriedades de interesse. Discutiremos detalhes das entradas e como analisar os resultados.

MCT2 - Prof. Dr. Gabriel Ravanhani Schleder (LNNano/CNPEM)

Título:  Inteligência Artificial para Materiais: Introdução ao Machine Learning em Python

Resumo: Avanços recentes nas técnicas experimentais e desenvolvimentos teóricos e computacionais resultaram em um aumento crescente na geração de dados. Essa disponibilidade de dados, associada à novas ferramentas e tecnologias capazes de armazenar e processar esses dados, culminaram na chamada ciência de dados. Uma das áreas de maior destaque recente são os algoritmos de aprendizado de máquina (machine learning), que têm como objetivo a identificação de correlações e padrões nos conjuntos de dados. Esses algoritmos vêm sendo usados há décadas, por exemplo nas áreas da saúde. Apenas recentemente a comunidade introduziu a sua aplicação para materiais, devido à criação, padronização e consolidação de bancos de dados consistentes. O uso dessas metodologias permite extrair conhecimento e insights da enorme quantidade de dados brutos e informações agora disponíveis. Neste tutorial, apresentamos os tipos gerais de problemas que podem ser tratados pelo aprendizado de máquina, ou seja, tarefas não supervisionadas, como redução de dimensionalidade e agrupamento, e tarefas supervisionadas, como classificação e regressão. A seguir, apresentamos os fundamentos do aprendizado de máquina, divididos em seus principais ingredientes: problema, dados, representações, algoritmos e otimização. Por fim, empregamos os conceitos para problemas de ciência de materiais, fornecendo exercícios práticos com os softwares mais utilizados da área, na linguagem python. Exemplos de aplicações serão mostrados na palestra P4.