Responsável: Antonio Intini
Carga horária: 10 horas
Aulas ao vivo (19:00 às 21:00): 4/11, 9/11, 11/11, 16/11 e 18/11

Programa:

Este curso tem como objetivo apresentar a teoria e prática do uso de inteligência artificial na Pesquisa e Desenvolvimento. Faremos uma apresentação desde os conceitos mais básicos, demonstrando como os diferentes conceitos de P&D evoluíram até o estado atual, em que podemos utilizar a aprendizagem de máquina para acelerar o desenvolvimento de novos produtos.

Serão apresentados conceitos técnicos teóricos de algoritmos para aprendizagem de máquina, estudos de utilização de IA na P&D de produtos (por exemplo, artigos científicos), e os benefícios de sua utilização (por meio de predição, otimização e retenção do conhecimento).

Também serão demonstrados casos práticos com dados de literatura e / ou dados sintéticos, simulando situações reais de uso. O curso envolve tanto à P&D de Tintas quanto de Resinas (atualmente, com foco em resinas poliésteres) e outros materiais de misturas. Para demonstrações práticas, será utilizada a plataforma ReactorModel.

A forte bagagem teórica, com exemplos práticos, fornecida neste curso permitirá ao participante entender a fundo os desafios e oportunidades da inteligência artificial aplicada à P&D. Não se trata de um curso focado em execução experimental em softwares de IA, mas de um curso abrangente, que trará muitos conhecimentos práticos e teóricos para a implementação bem-sucedida de sistemas de IA em laboratórios de P&D.

Conteúdo Programático - Resumo

Evolução da P&D em formulação

Empirismo (tentativa e erro)
Modelos físico-químicos (Arrhenius, solubilidade, etc.)
Estatística e análise de dados
Planejamento de experimentos (DoE)
Qualidade e melhoria contínua (Six Sigma, CEP)
Química computacional (simulações, UNIFAC, COSMO-RS)
Sustentabilidade (restrições regulatórias e ESG)
Inteligência Artificial aplicada

Fundamentos de Inteligência Artificial e Machine Learning

Definições de IA e ML
Tipos de problemas (regressão, classificação, etc.)
Principais algoritmos:

Regressão, árvores, SVM, k-NN
Processos Gaussianos
Redes neurais e deep learning
Ensembles (bagging, boosting, stacking)

Diferença entre IA, ML e modelos físico-químicos

Construção de modelos preditivos

Estrutura de datasets (features vs labels)
Limpeza e tratamento de dados
Split treino/validação/teste
Seleção e hiperparametrização de modelos
Validação cruzada
Métricas (R², RMSE)
Problemas comuns:

Overfitting / underfitting
Data leakage
Multicolinearidade
Dados insuficientes

IA aplicada à formulação química

Representação de moléculas e formulações
Predição de propriedades (viscosidade, Tg, etc.)
Integração com modelos físico-químicos
Uso de dados experimentais históricos
Limitações e desafios práticos

Otimização e design de formulações

Algoritmos genéticos (otimização multiobjetivo)
Otimização com múltiplas restrições (custo, desempenho, sustentabilidade)
Exploração de espaços de formulação complexos

IA generativa em formulação

Design inverso de formulações
Geração de novas composições
Modelos: VAE, GAN, difusão
Desafios:

Viabilidade físico-química
Viés de dados
Necessidade de validação experimental

Digitalização da P&D

Problemas do modelo tradicional (tentativa e erro, retrabalho)
Captura e reutilização de dados experimentais
Redução de tempo e custo de desenvolvimento
Integração com softwares especializados (vs Excel)
IA como vantagem competitiva

Desafios de implementação

Cultura organizacional
Qualidade e volume de dados
Integração com sistemas existentes
Capacitação da equipe
Tempo de maturação dos resultados

Demonstração Plataforma ReactorModel

Cadastro de substâncias e materiais
Formulações teóricas
Experimentos (lab trials)
Combos e estudos (ex: HSP)
Uso da plataforma para predição e otimização

Casos práticos e aplicações (exemplos de artigos e / ou com dados sintéticos para simulações):

Otimização de adesivos epóxi
Formulações automotivas (viscosidade, aplicação)
Degradação de filmes (TiO₂)
Tintas industriais e demarcação viária
Otimização de resina poliéster

Inteligência Artificial Aplicada ao Desenvolvimento de Tintas e Resinas

Aulas ao vivo (19:00 às 21:00): 4/11, 9/11, 11/11, 16/11 e 18/11

Informe os dados de pagamento