Buscando o desenvolvimento da formação técnico-científica dos alunos e pesquisadores da área de Química teórica, o XXII SBQT oferecerá à sua comunidade alguns minicursos.

• Todos os minicursos serão ministrados de forma remota. As plataformas on-line serão definidas por cada professor e estão disponíveis nas informações de cada minicurso abaixo.

• Os minicursos serão ministrados no período entre ABRIL e OUTUBRO de 2023.

• O período de inscrições terá início juntamente com as inscrições do evento presencial: 23 de março de 2023. No momento da inscrição, o participante poderá escolher quantos e quais minicursos irá fazer.

• A inscrição nos minicursos é INDEPENDENTE da inscrição no evento, ou seja, não precisa estar inscrito no evento presencial para se inscrever nos minicursos.

• Haverá emissão de certificado de participação.

• Cada minicurso terá uma dinâmica própria, portanto, fique atento às informações de cada minicurso descritas abaixo.

• Preço da inscrição no minicurso CLASSE 1 (8 a 12h de duração) - R$ 50,00

• Preço da inscrição no minicurso CLASSE 2 (12 a 20h de duração) - R$ 100,00

• O pagamento pode ser via PIX ou Depósito Bancário sem taxa.

• Também serão aceitos pagamentos no boleto ou parcelamento no cartão de crédito (via PagSeguro), no entanto, uma taxa de 4% será acrescentada nestas duas opções.

• Os inscritos poderão converter 50% do valor investido nos minicursos em desconto na inscrição do evento presencial da XXII SBQT, desde que, não ultrapasse 50% do valor total da inscrição do evento presencial.

 

- Carga horária: 16h

- Data do curso: agosto a setembro de 2023

- Horário de início: 14h

- Resumo: Neste minicurso, abordaremos os fundamentos da teoria do funcional da densidade dependente do tempo (TD-DFT) e serão realizadas aulas práticas sobre aplicações da TD-DFT para obtenção de propriedades ligadas a estados excitados.

- Plataforma de transmissão: Google Meet

- Número máximo de inscritos: 35

- Cronograma geral:

• 04/08 - Introdução à DFT e TD-DFT

• 11/08 - Teoria da Resposta Linear

• 18/08 - TD-DFT por analogia a TDHF: 2a Quantização, HF, CIS

• 25/08 - Tópicos de Fotofísica

• 01/09 - Efeito solvente

• 15/09 - Estudo de Caso - proposta de temas

• 22/09 - Estudo de Caso - simulações

• 29/09 - Apresentação dos Estudos de Caso

 

- Pesquisadores:

Jhonathan Rosa de Souza - Bacharel em Química Industrial pela Universidade Federal de Uberlândia (UFU). Doutorando em Ciência e Tecnologia/Química pela Universidade Federal do ABC (UFABC), onde desenvolve um projeto na área de química teórica e computacional com foco no estudo da estrutura eletrônica de fotossensibilizadores por meio de abordagens de densidade (TD)DFT e multirreferenciais (CASSCF, CASPT e NEVPT). Tem experiência em simulação de complexos organometálicos e macrociclos orgânicos usando teorias de química quântica, bem como em simulação de bicamada fosfolipídica por meio de dinâmica molecular.

Link para o lattes: http://lattes.cnpq.br/4744162462075820

 

Paula Homem de Mello - Professora titular da Universidade Federal do ABC (UFABC). É bacharel em Química pela Universidade de São Paulo, com mestrado e doutorado em Ciências com estágio na Università di Pisa. Tem trabalhado no estudo de corantes para aplicações em terapia fotodinamica e células solares utilizando TD-DFT e modelos contínuos de solvataçao. Além disso, tem utilizado diferentes abordagens computacionais no estudo de processos redor, complexos de metais de transição, interações com membranas e micelas. Coordena o blog de divulgação científica Guia dos Entusiastas da Ciência (gec.proec.ufabc.edu.br).

Link para o lattes: http://lattes.cnpq.br/6560563332731046 

 

- Carga horária: 08h

- Data do curso: de 02/10/2023 a 05/10/2023

- Horário do curso: 19:00 - 21:00

- Resumo: Reações em fase condensada podem ter um substancial efeito do ambiente e ocorrer em múltiplas etapas, podendo ser um evento muito complexo, principalmente no caso de processos catalíticos. A conexão entre cálculos teóricos do mecanismo da reação, a energia de Gibbs padrão das espécies envolvidas, e as observações experimentais é feita pela análise do perfil de energia livre do sistema. Neste minicurso, será abordado como determinar e analisar este perfil, prevendo a cinética e produtos da reação.  

- Plataforma de transmissão: Google Meet

- Número máximo de inscritos: 25

- Cronograma geral: 

• 02/10 - potencial químico em fase condensada, solvatação e estado padrão

• 03/10 - Perfil de energia livre e implicações cinéticas

• 04/10 - Analisando perfis complexos

• 05/10 - Análise microcinética detalhada

 

- Pesquisador: 

Josefredo R. Pliego Jr. - Obteve seu doutorado em 1999 e desde 2009 é professor da UFSJ. Sua linha de pesquisa envolve cálculos de estrutura eletrônica e dinâmica aplicada a modelagem de processos químicos em fase condensada. Também trabalha no desenvolvimento de modelos híbridos de solvatação. Seus sistemas de interesse envolvem reações orgânicas, catálise por transferência de fase, organocatálise assimétrica e catálise organometálica.

Link para o lattes: http://lattes.cnpq.br/9741441747880907

 

 

- Carga horária: 10h

- Data do curso: 09/10/23 a 13/10/2023

- Horário: 14h-16h

- Resumo: Breve apresentação dos fundamentos básicos que suportam o método dos Orbitais Naturais de Ligação (NBO), com discussão sobre aplicações e limitações do método, além da elaboração de exercícios, com construção de inputs e análise de outputs em diferentes casos abordados. 

- Plataforma de transmissão: Google Meet

- Número máximo de inscritos: 20

- Cronograma:

• 09/10 - Fundamentos Teóricos

• 10/10 - Fundamentos Teóricos

• 11/10 - Vantagens, desvantagens e limitações

• 12/10 - Aplicações

• 13/10 - Exercícios

 

- Pesquisadores: 

Letícia Maia Prates - Doutora em Química pela Universidade do Estado do Rio de Janeiro. Possui mestrado em Química pela Universidade do Estado do Rio de Janeiro (2017) na linha de pesquisa de Química Inorgânica e graduação em Química - Bacharel com orientação tecnológica pela Fundação Técnico-Educacional Souza Marques (2014). Tem experiência na área de Química, com ênfase em métodos mecânico-quânticos (Hartree-Fock, DFT e DFTB) e de mecânica molecular, atuando principalmente nos seguintes temas: catalisadores automotivos convencionais e inteligentes, interação metal-suporte, estruturas supramoleculares, complexos polieletrolíticos, asfaltenos e resinas sintéticas e naturais.

Link para o lattes: http://lattes.cnpq.br/4563992882646426

 

Maurício Tavares de Macedo Cruz - Professor Adjunto Coordenador do laboratório de Química Computacional (LQC-UERJ) e membro efetivo do programa de pós em Química PPGQ/UERJ. Estudos mais relevantes: Interação metal-suporte, Biohidrogéis, Agregados asfaltênicos e formação de complexos de inclusão com Ciclodextrinas. Experiência com os pacotes computacionais Gaussian 09 e 16, GAMESS, DICE, DFTB+, MOPAC, Quantum Espresso e VASP.

Link para o lattes: http://lattes.cnpq.br/1753494541981720

 

- Carga horária: 8h

- Data do curso: 23, 25 e 30 de maio de 2023

- Resumo: O curso de Fundamentos de IA usando Deep Learning tem como objetivo introduzir os participantes aos principais conceitos e técnicas de Redes Neurais e Deep Learning, com foco em prática handson. O curso tem duração de 8 horas e inclui a implementação de modelos de Redes Neurais utilizando bibliotecas Python, como Keras e Tensorflow. Ao final, os participantes terão uma compreensão sólida dos principais conceitos e técnicas de Redes Neurais e Deep Learning.

- Plataforma de transmissão: Google Meet

- Número máximo de inscritos: 25

- Cronograma:

 

1. Introdução (30 minutos)

• O que são Redes Neurais e como elas funcionam

•  Breve história das Redes Neurais

•  Aplicações das Redes Neurais na atualidad

2. Fundamentos (1 hora)

• Perceptron: a unidade básica das Redes Neurais

• Funções de Ativação

• Aprendizado Supervisionado e Não Supervisionado

3. Implementação de uma Rede Neural Simples (2 horas)

• Utilizando bibliotecas Python como Numpy e Pandas Construção de um modelo de Perceptron para classificação binária

• Treinamento e validação do modelo com dados simulados

4. Deep Learning (1 hora)

• O que é Deep Learning e como ele se relaciona com as Redes Neurais

• A diferença entre Redes Neurais Rasas e Redes Neurais Profundas

5. Redes Neurais Profundas (2 horas)

• Arquitetura de Redes Neurais Profundas, como a Rede Neural Convolucional (CNN) Implementação de uma CNN com Keras/Tensorflow

• Treinamento e validação do modelo com imagens reais

6. Conclusão e Próximos Passos (30 minutos)

• Discussão sobre aplicações de Redes Neurais e Deep Learning na indústria

• Sugestões de recursos para aprendizado contínuo

 

- Pesquisador: 

Vahid Nikoofard - Como coordenador do Laboratório Interdisciplinar Virtual de Inteligência Artificial (LIVIA) da UERJ, Vahid tem uma vasta experiência na área de inteligência artificial e suas aplicações na ciência. Ele concluiu seu doutorado em Física Teórica pela UFJF em 2015 e desde então tem atuado como professor na Faculdade de Tecnologia da UERJ. Sua linha de pesquisa atual é Machine Learning Científico, onde ele investiga as aplicações de IA na Física e Engenharia.

Link para o lattes: http://lattes.cnpq.br/5439626705183133

 

 

- Carga horária: 10h

- Data do curso: 11 a 15 de setembro de 2023

- Resumo: Uma visão abrangente do uso da aprendizagem de máquina como ferramenta científica. O conteúdo incluirá uma perspectiva histórica, as principais técnicas e ferramentas disponíveis, além de exemplos de aplicação em química orgânica e inorgânica. Ademais, serão discutidas tendências futuras, visando fornecer aos participantes informações atualizadas sobre o avanço contínuo nesta área em constante evolução.

- Plataforma de transmissão: Google Meet

- Número máximo de inscritos: 25

 

- Cronograma geral:

• 11 de setembro (14:00 às 16:00): História da inteligência artificial/machine learning; evolução dos códigos

• 12 de setembro (14:00 às 16:00): Principais técnicas; engenharia de dados

• 13 de setembro (14:00 às 16:00): Engenharia de dados – parte 2

• 14 de setembro (14:00 às 16:00): Desafios de aplicação na química: como lidar com moléculas

• 15 de setembro (12:00 às 14:00): casos de sucesso; limitações; perspectivas para o futuro; Principais técnicas; engenharia de dados; desafios de aplicação na química: como lidar com moléculas; casos de sucesso; limitações; perspectivas para o futuro.

 

Pesquisador:

Henrique de Castro Silva Junior- Possui doutorado em química inorgânica pela UFF, atua como pesquisador de pós-doutorado na UFRGS e é um dos organizadores do Virtual Winter School on Computational Chemistry. Áreas de interesse incluem sistemas open-shell multirreferenciais e dinâmica do estado excitado, programação em python e machine learning.

Link para o lattes: http://lattes.cnpq.br/7722268222023892