Ações com inscrições abertas
DESCOBRINDO MATERIAIS COM APRENDIZADO DE MÁQUINA
Apresentação
O curso-oficina "Descobrindo Materiais com Aprendizado de Máquina" apresenta-se como uma iniciativa que une inovação de fronteira e responsabilidade socioambiental ao demonstrar de forma acessível como o Aprendizado de Máquina (ML) pode revolucionar a velocidade de descoberta de novos materiais. Do ponto de vista acadêmico, a relevância da proposta reside na quebra do paradigma tradicional de tentativa e erro no laboratório, evidenciando o poder de um ciclo científico integrado, em que simulações de primeiros princípios (DFT) e modelos inteligentes de classificação e regressão guiam diretamente a síntese experimental de cerâmicas complexas de alta entropia. No âmbito social, o curso ganha importância ao focar no desenvolvimento de capacitores livres de chumbo para armazenamento de energia — fundamentais para viabilizar tecnologias de transição energética, como veículos elétricos e matrizes de energia renovável, enquanto atua ativamente na democratização do conhecimento científico e no incentivo a estudantes do ensino médio para que ingressem em cursos de ciência e tecnologia (STEM) em universidades públicas.
Objetivos
Democratizar o conhecimento de fronteira em ciência de materiais e inteligência artificial, despertando o interesse de estudantes do ensino médio pelas carreiras de ciência, tecnologia, engenharia e matemática (STEM) e evidenciando o papel da UNIFAL-MG como polo gerador de inovação e desenvolvimento social.
Objetivos Específicos:
Conectar ciência e cotidiano: demonstrar de forma simples que tecnologias cotidianas essenciais (como o armazenamento rápido de energia em capacitores) dependem diretamente do desenvolvimento de novos materiais funcionais.
Evidenciar a relevância socioambiental: conscientizar os jovens sobre o desafio de substituir materiais tóxicos (como o chumbo) por cerâmicas ecológicas e sustentáveis, aliando o desenvolvimento tecnológico à preservação ambiental.
Desmistificar a Inteligência Artificial: ensinar de forma lúdica e prática que a IA não é uma tecnologia "mágica", mas sim uma ferramenta que aprende relações e padrões a partir de dados gerados por cientistas (cálculos teóricos e experimentos) para acelerar a busca em espaços de possibilidades muito grandes.
Proporcionar vivência prática em ciência de dados (hands-on): capacitar os estudantes a classificar visualmente a estabilidade estrutural de cristais (usando critérios geométricos simples) e utilizar esses dados para treinar um modelo de visão computacional em tempo real (Google Teachable Machine), vivenciando o ciclo de anotação de dados e aprendizado de máquina.
Apresentar a carreira acadêmica e desmistificar a figura do cientista: mostrar a equipe real de pesquisa da universidade (composta por professores, mestrandos e graduandos), apresentando o ambiente de laboratório (como o LDFTE) e as oportunidades concretas de ingresso na universidade.
ODS 7 – Energia Limpa e Acessível;ODS 9 – Indústria, Inovação e Infraestrutura
Justificativa
A justificativa para a realização desta atividade reside na necessidade de acelerar o desenvolvimento de tecnologias sustentáveis para o armazenamento de energia, superando a dependência histórica de elementos tóxicos como o chumbo por meio do design de cerâmicas ecológicas baseadas em bismuto e sódio (perovskitas BNT). Frente a um espaço de possibilidades químicas vasto e de alta complexidade composicional, que torna as abordagens tradicionais de tentativa e erro no laboratório extremamente lentas e inviáveis, o uso de Aprendizado de Máquina (ML) surge como a ferramenta científica central para mapear de forma inteligente e rápida as composições estáveis mais promissoras. Ao transpor esse ciclo científico de fronteira para uma oficina pedagógica altamente interativa — na qual os alunos classificam visualmente deformações cristalinas estruturais e treinam seu próprio modelo de visão computacional —, a ação desmistifica a Inteligência Artificial para a juventude, provando que os algoritmos aprendem a partir de padrões em dados gerados por humanos e não por "mágica", ao mesmo tempo em que desperta vocações científicas (STEM) e promove a democratização do conhecimento ao evidenciar a infraestrutura de ponta do LDFTE e as oportunidades de bolsas de iniciação científica (como a BIC-STEM) oferecidas pela UNIFAL-MG.