Banca de DEFESA: GABRIEL FELINTO XAVIER

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: GABRIEL FELINTO XAVIER
DATA : 27/08/2026
HORA: 14:00
LOCAL: Videoconferência
TÍTULO:

CONSTRUÇÃO DE MODELOS DE APRENDIZADO PROFUNDO BASEADOS EM REDES NEURAIS DE GRAFOS PARA AVALIAÇÃO DE PROPRIEDADES DE ADSORÇÃO DE CO2 EM REDES METALORGÂNICAS

PALAVRAS-CHAVES:

MOFs; aprendizado de máquina; adsorção de CO₂; redes neurais de grafos.

PÁGINAS: 94
RESUMO:

O consumo excessivo de combustíveis fósseis, fonte dominante de emissões antropogênicas, elevou as concentrações de gases de efeito estufa na atmosfera, sobretudo do dióxido de carbono (CO₂), o que contribui para o aumento da temperatura global e para as mudanças climáticas. Nesse contexto, as tecnologias de captura e armazenamento de carbono (CCS) surgem como forma de mitigar as emissões de CO₂, já que as energias limpas ainda têm impacto limitado e a substituição completa das fontes fósseis é considerada inviável a curto e médio prazo. A adsorção em sólidos porosos destaca-se entre os métodos de captura, e as MOFs figuram entre os materiais mais promissores para essa finalidade, em razão de sua elevada porosidade, área superficial específica e funcionalidade química ajustável. Este trabalho tem como objetivo prever a capacidade adsortiva de CO₂ por meio de uma abordagem comparativa entre modelos tabulares e redes neurais de grafos (GNNs), tendo como base o conjunto de dados ARC-MOF, aplicada aos processos de pré-combustão, pós-combustão, purificação de gás natural e purificação de gás de aterro.

MEMBROS DA BANCA:
Externo ao Programa - 3441920 - FABIO MACHADO CAVALCANTI - nullExterno ao Programa - 2886196 - LEANDRO MACIEL ALMEIDA - nullPresidente - 1305873 - LUIZ STRAGEVITCH