Show simple item record

dc.contributor.advisorSantos, Marcos José Leitept_BR
dc.contributor.authorBaum, Fabiopt_BR
dc.date.accessioned2020-12-05T04:27:39Zpt_BR
dc.date.issued2020pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/216137pt_BR
dc.description.abstractPontos quânticos são materiais de grande interesse tecnológico, com propriedades ópticas e elétricas aplicáveis em catálise, células solares, biosensores, diodos emissores de luz (LEDs) e displays. A produção em larga escala desse material cresceu nos últimos anos, porém a manufatura de pontos quânticos de alta qualidade e com reprodutibilidade batelada após batelada continua um dos objetivos mais desafiadores para a indústria. Nesse contexto, a inteligência artificial tem se revelado uma excelente ferramenta para entender e controlar sistemas químicos. Na primeira parte deste trabalho, foi construída uma base de dados de sínteses hot injection de pontos quânticos dos tipos II-VI e IV-VI (CdS, CdSe, PbS, PbSe e ZnSe). Essa base de dados foi usada para construir modelos de regressão multilinear, smoothing splines, árvores de regressão, random forest, gradient boosting machine e deep learning. Para a construção de sugestões de novas rotas de síntese, os modelos selecionados foram random forest, gradient boosting machine e deep learning. A partir desses modelos, mapas de calor foram gerados, variando-se temperatura de injeção e tempo de reação, possibilitando a seleção da região com menor variação de diâmetro final. Na segunda parte deste trabalho, o foco foi a busca por alternativas ao uso de semicondutores baseados em cádmio e chumbo. Foram sintetizadas nanopartículas coloidais de sulfeto de cobre e alumínio através do método heat up. As amostras foram analisadas por microscopia eletrônica de transmissão, difratometria de raios-x, espectroscopia Raman, espectroscopia de absorção no UV-Vis-NIR e espectroscopia de fotoluminescência. O efeito dos parâmetros de síntese na intensidade de emissão de fotoluminescência foi avaliado, onde foi possível concluir que o principal parâmetro de síntese é a concentração do precursor de alumínio. As amostras foram aplicadas em microscopia confocal de fluorescência, demonstrando potencial para aplicações como marcadores biológicos.pt_BR
dc.description.abstractQuantum dots are materials of great technological interest, with optical and electrical properties applicable in catalysis, solar cells, biosensors, light emitting diodes and displays. Production in large-scale of these materials grown in the last years, but the producing high quality and batch to batch reproducible quantum dots are still a challenge for the industry. In this context, artificial intelligence has been an interesting tool to understand and control chemical systems. In the first part of this work, a database of hot injection synthesis of II-VI and IV-VI (CdS, CdSe, PbS, PbSe, and ZnSe) quantum dots. This database was used to build multilinear regression, smoothing splines, regression trees, random forest, gradient boosting machine, and deep learning models. To find suggestions of new synthesis routes, the selected models were random forest, gradient boosting machine, and deep learning. Then, heatmaps were generated, with the growth temperature and the reaction time, allowing one to select the region with the lowest variability on the final diameter. In the second part of this work, the focus was the search for alternatives to use of cadmium and lead-based semiconductors. Colloidal copper aluminum sulfide nanoparticles were synthesized by the heat up method. The samples were analyzed by transmission electron microscopy, x-ray diffraction, Raman spectroscopy, UV-Vis-NIR absorption spectroscopy and photoluminescence spectroscopy. The effect of the synthetic parameters on the photoluminescence intensity was evaluated. It was possible to conclude that the main parameter affecting the photoluminescence intensity was aluminum precursor concentration. The samples were applied in fluorescence confocal microscopy, showing potential for applications as biological labels.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectMachine learningen
dc.subjectNanopartículaspt_BR
dc.subjectPontos quânticospt_BR
dc.subjectSíntese coloidalpt_BR
dc.subjectPlanejamento experimentalpt_BR
dc.titleOtimização de propriedades físicas de pontos quânticos e nanopartículas de semicondutores por inteligência artificial e planejamento experimentalpt_BR
dc.typeTesept_BR
dc.identifier.nrb001120287pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Químicapt_BR
dc.degree.programPrograma de Pós-Graduação em Ciência dos Materiaispt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2020pt_BR
dc.degree.leveldoutoradopt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record