Previsão da Rugosidade Global do Modelo de Deposição Balística Usando Redes Neurais

Abstract

Por conta do aumento da quantidade de dados disponíveis em modo global e da constante evolução dos modelos e algoritmos de treinamento, redes neurais vem se tornando cada vez mais populares, isto, seja na indústria como na academia. Na área de ciência dos materiais, modelos que envolvem simulação computacional do crescimento de superfícies em situaçoes fora do equilíbrio termodinamico ajudam a entender e melhorar a produção de novos materiais. A partir destas premissas, este trabalho tem como principal objetivo empregar modelos de redes neurais do tipo perceptron multicamadas para realizar a previsãoda evolução temporal da rugosidade global, considerando o modelo de deposição bal ística unidimensional. Um treinamento supervisionado e realizado a partir dos dados obtidos via simulação fenomenol ogica, de forma a efetuar uma extrapolação da rugosidade global ate o seu regime estacionário para sistemas com comprimentos laterais que inviabilizam a obtenção via simulação computacional. Foi utilizado como par ametro de validação a raiz do erro quadr atico médio percentual, de forma a avaliar o quao bem sucedido o aprendizado foi realizado pelo algoritmo. E possível destacar como resultados a evolução temporal da rugosidade global ate o seu estado estacionário para comprimentos que ainda não foram observados na literatura, e a partir destes, foram gerados resultados consistentes para os expoentes de rugosidade previstos no limite de grandes comprimentos.