From DFT to machine learning: recent approaches to materials science–a review, publicado no volume 2 do , teve mais de quatorze mil downloads, conquistando a primeira posição entre os artigos mais lidos e citados do periódico em 2019, ano de seu lançamento.
O artigo foi escrito pelos pesquisadores Gabriel R. Schleder, Antonio Padilha, Marcio Costa, Carlos Mera Acosta, liderado pelo director do Laboratório Nacional de Nanotecnologia – LNNano, prof. Adalberto Fazzio, e financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo – FAPESP.
Discussão bastante pertinente nas últimas décadas, traz as bases teóricas e aplicações, desde as ferramentas computacionais usadas para geração dos dados na área de materiais, até as subsequentes abordagens modernas da ciência computacional de materiais. Estes materiais beneficiam-se de técnicas de machine learning usadas para desvendar complexidades e projetar novos materiais, com propriedades aprimoradas. “No LNNano essa técnica é empregada para descobertas de novos materiais, novas propriedades e para a utilização de grupos experimentais para desenho de novos dispositivos.” Explica o diretor do laboratório “Por exemplo , recentemente usando machine learning, em cooperação com o grupo de nanotoxicologia, determinamos a concentração de metais pesados em água; trabalho publicado no Sensor&Actuator-B” Conclui Fazzio.