Computação e Nanotecnologia
|
|
- Maria Gil
- 5 Há anos
- Visualizações:
Transcrição
1 Computação e Nanotecnologia
2 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Na computação convencional (irreversível) as portas Computação lógicas eliminam Reversível informação de entrada: C= A OR B A energia de uma das entradas é dissipada (calor). Princípio de Landauer Qualquer manipulação lógica e irreversível de informação aumenta a entropia do sistema, em conseqüência, aumenta a temperatura. Circuitos atuais apagam informação sempre que executam uma operação Operações irreversíveis Eliminação da informação é ineficiente: dissipa calor 0 1 1
3 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Tendência atual: Circuitos integrados com menor dimensão e mais componentes; Clock em freqüências mais altas; Maior dissipação de calor por área; Energia custa dinheiro Sistemas portáteis (laptops) têm baterias de pouca duração ($) Superaquecimento de circuitos integrados Como resolver este problema? Lógica reversível Informação de entrada não deve ser apagada; deve ser armazenada Portas devem ter número de saídas igual ao número de entradas
4 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Porta Fredkin (Controlled Sap) Lógica: A troca com B, se C= 1 C C não é eliminada A B F C A* B* C A B C A* B*
5 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Porta Toffoli= inversor com controle duplo A=A se C1=C2= 1 C 1 C 2 A C 1 C 2 A C 1 C 2 A T C 1 C 2 A
6 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Portas Toffoli e Fredkin são universais É possível criar portas AND, OR e NOT usando essas outras duas portas; Portanto, é possível criar computadores reversíveis universais;
7 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Layout de gate reversível em silício observado em um microscópio ótico
8 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível gate observado em um SEM (Scanning Electron Microscope)
9 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Reversível Será que a Lei de Moore (crescimento exponencial no número de transistores por circuito integrado) implica na necessidade do uso de computação reversível? Computação reversível é mais complexa O que fazer com os bits que sobram? Onde armazenar a informação? MIT desenvolve uma linguagem reversível de alto nível ( R ). Indústria de laptops mostra interesse nesse tipo de sistema computacional.
10 Caminhos da Nanotecnologia Computação Aplicações futuras Aplicações que seguem as tendências atuais Miniaturização Optoeletrônica Computação quântica e criptografia quântica Computação Reversível Sensores Aplicações que exploram tecnologias e materiais alternativos Eletrônica baseada em plásticos Utilização de moléculas como elementos funcionais em circuitos
11 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Princípios da mecânica quântica Dualidade onda-matéria Corpos com massa muito pequena (fótons, elétrons) Mecânica clássica perde a validade Efeitos quânticos: Entanglement (Emaranhamento), Superposição de estados Dualidade onda-matéria: as vezes se comportam como onda, outras vezes, como partícula, conforme a observação. Heisenberg: A função de onda representa parcialmente um fato e parcialmente nosso conhecimento sobre o fato. Corpos com massa muito grande Efeitos não são percebidos Mecânica clássica oferece bons resultados
12 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica
13 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Superposição de Estados Corpos de massa pequena assumem múltiplos estados simultaneamente Observação = colapso da superposição Redução a um único estado Detector de decaimento aciona martelo Corpo tem probabilidade para assumir cada um dos estados Exemplo: o gato de Schrödinger` (decaimento radioativo) Átomo de Nitrogênio-13 (10mins) O gato está meio vivo e meio morto. Observação colapsa estados para vivo ou morto. Gás venenoso
14 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Superposição de Estados Corpos de massa pequena assumem múltiplos estados simultaneamente Observação = colapso da superposição Redução a um único estado Corpo tem probabilidade para assumir cada um dos estados Exemplo: o gato de Schrödinger` (decaimento radioativo) O gato está meio vivo e meio morto. Observação colapsa estados para vivo ou morto. Núcleo radioativo está nos estados decaído e não-decaído ao mesmo tempo. Probabilidade de estar no mesmo estado simultaneamente. Detector quebra vidro com veneno se detectar decaimento do núcleo radioativo.
15 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Superposição de Estados Corpos de massa pequena assumem múltiplos estados simultaneamente Observação - colapso da superposição Redução a um único estado Corpo tem probabilidade para assumir cada um dos estados Polarização da luz (V, H) Filtro Polarizador Exemplo: luz polarizada Fóton
16 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Superposição de Estados Corpos de massa pequena assumem múltiplos estados simultaneamente Observação - colapso da superposição Redução a um único estado Corpo tem probabilidade Fóton para passa assumir e não cada um dos estados passa pelo filtro ao Filtro Polarizador Exemplo: luz polarizada mesmo tempo!!! Fóton
17 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Superposição de Estados Corpos de massa pequena assumem múltiplos estados simultaneamente Observação - colapso da superposição Redução a um único estado Corpo tem probabilidade para assumir cada um dos estados Exemplo: luz polarizada Fóton Filtro Polarizador Fotosensor Colocando um sensor os estados colapsam. Apenas um deles é observado.
18 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Nenhum Computação computador clássico Quântica pode simular sistemas quânticos sem incorrer em uma perda de performance exponencial Richard Feynman Exemplo: na simulação de superposição de estados tem-se: Para 1 fóton -> 2 estados possíveis; Para 2 fótons -> 4 estados possíveis; Para 1000 fótons -> Simulação torna-se inviável.
19 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Mas, se usarmos um computador que apresente os efeitos quânticos? Computador apresenta Bits com superposição de estados: O bit pode assumir o valor 0 e 1 ao mesmo tempo Observar o bit colapsa o seu estado Quantum bit : Q-bit ψ = α 0 + β 1 Superposição de estados pode ser representada por: 2 α 2 β - é a probabilidade do bit ser 0 - é a probabilidade do bit ser 1 α 2 + β 2 = 1
20 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Fatoração em números primos Complexidade exponencial em computadores clássicos Complexidade polinomial em computadores quânticos Algoritmo de Shor (1994) fatoração de números primos Exemplo: número com 4096 bits Milhões de anos em um computador clássico Algumas horas em um computador quântico Shor estimulou a pesquisa na área de computação quântica
21 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Teleporte Quântico Emaranhamento: efeito quântico que associa o estado de uma partícula a outra através de um circuito quântico Seja um registrador quântico de 2 bits; se os bits estão emaranhados, a observação de um dos bits, define o estado do outro ( ) Propriedade de emaranhamento pode ser 2 usada para teleportar o estado de um terceiro bit ψ = 1 Não é um teleporte real Esqueça Jornada nas Estrelas Não é possível trafegar informações acima da velocidade da luz
22 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Exemplo de Teleporte Quântico Canal Clássico C Canal Quântico Bob A Eve Alice B A e B são duas partículas emaranhadas Se Bob observar A=1, Alice observará B=1 Se Bob observar A=0, Alice observará B=0 É possível transmitir o estado de uma terceira partícula C usando operações quânticas Bob informa Alice sobre a observação de A através do canal clássico Se Eve tentar observar a comunicação no canal quântico Bob e Alice poderão detectar imediatamente devido ao colapso dos estados de A e B
23 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica NMR: Nuclear Magnetic Ressonance que controla o spin dos elétrons Primeiro computador quântico de 7 qubits, IBM, 2001 (tubo ensaio com fulereno), executou algoritmo de Shor
24 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Computação Quântica Primeiro computador quântico comercial apresentado dia 16 de fevereiro de Computador possui 16 qubits e funcionará de forma híbrida, auxiliando a tecnologia já existente.
25 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Autômatos celulares são modelos robustos e bem estudados. Autômato celular são sistemas dinâmicos discretos cujo comportamento é totalmente especificado em termos de relações locais: universo estilizado. Espaço representado por um grid onde cada célula contém poucos bits de dados; Tempo é discreto e as leis do universo são expressas através de regras (uma tabela); A cada passo, cada célula computa o seu novo estado a partir dos seus vizinhos
26 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Proposto por Lent et al (EUA, 1992) Células possuem pontos quânticos com 2 elétrons Pontos próximos o suficiente para permitir efeito túnel dos elétrons entre pontos quânticos (efeito quântico de transição de estados energéticos proibidos na Mec. Clássica) Barreiras entre células são suficientes para suprimir efeito túnel intercelular P= +1 P= -1 Elétrons (e - e - ) ficam localizados em posições Os dois estados opostas (P) estáveis de um ponto quântico
27 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Interação Coulombiana (repulsão) entre as células faz com que o estado de uma célula afete o de uma outra adjacente a ela. A curva de resposta de duas células é calculada pela equação de Schröndinger para duas partículas. A saturação não-linear causada por essa curva de resposta tem o mesmo papel do ganho na eletrônica digital Curva de resposta das células próximas P1 e P2 a zero graus Kelvin (-273,16 C)
28 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Curva de resposta se torna linear com aumento da temperatura
29 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Ponto quântico é informação (elétron confinado). A informação é quem trafega; não o elétron. Permite construir dispositivos lógicos. Majority Logic Gate : maioria das entradas define saída. Tabela Verdade A B C S Força de repulsão do estado majoritário define saída
30 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Majority Logic Gate é um elemento lógico fundamental Permite construir: AND OR Tabela Verdade A B C S Fazendo: A=0: B AND C A=1: B OR C
31 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Porta NOT Pontos Quânticos 0 1 Interação entre as células faz com que o estado de uma célula afete o de uma outra adjacente a ela, levando à inversão de estado.
32 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Modelos mais complexos podem ser construídos a partir da porta lógica fundamental Full Adder S= A plus B plus Ci-1 Ci
33 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Importante Conceito de propagação do estado: Circuito com Autômatos Celulares com Pontos Leitura estável na saída aplicação de entrada, Quânticos perturba estado do sistema
34 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Conceito de propagação do estado: a aplicação de Circuito entrada, com Autômatos perturba estado do sistema Celulares com Pontos Quânticos Aplicação de uma nova entrada Circuito com Autômatos Celulares com Pontos Quânticos é perturbado
35 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Conceito de propagação do estado: a aplicação de Circuito entrada, com Autômatos perturba estado do sistema Celulares com Pontos Quânticos Circuito com Autômatos Celulares com Pontos Quânticos Circuito estabiliza Circuito com Autômatos Celulares com Pontos Quânticos Nova leitura
36 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Podem ser novo paradigma de arquitetura de computadores? AC paradigma lógico; AC com PQ paradigma físico Há dificuldades de operação em temperatura ambiente Curva de resposta se torna linear com aumento da temperatura. Solução: Computação molecular. Pontos quânticos moleculares Menor dimensão -> Minimiza efeito térmico Aplicações de autômatos celulares em nanotecnologia Simulações químicas e físicas Interações entre partículas são geralmente simples
37 Caminhos da Nanotecnologia >> Computação Autômatos Celulares com Pontos Quânticos Autômato Celular implementando um enxame de cupins num comportamento emergente que visa coletar madeira
38 Caminhos da Nanotecnologia Eletrônica, optoeletrônica e Aplicações futuras computação Aplicações que seguem as tendências atuais Miniaturização Optoeletrônica Computação quântica e criptografia quântica Computação Reversível Sensores Aplicações que exploram tecnologias e materiais alternativos Eletrônica baseada em plásticos Utilização de moléculas como elementos funcionais em circuitos
39 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Nanoeletrônica Por quê? Para quê? Lei de Moore: Moore observou um crescimento exponencial no número de transistores por circuito integrado e previu a continuação desta tendência
40 Caminhos da Nanotecnologia >> Eletrônica >> Aplicações Futuras Nanoeletrônica Por quê? Para quê? a atual tecnologia CMOS baseada em silício deverá conseguir atender as necessidades de miniaturização da eletrônica pelos próximos 10 ou 15 anos Nova tecnologia: nanoeletrônica Demanda novo enfoque para materiais e arquitetura. Deverá lidar eficazmente, e de forma economicamente viável, com a integridade dos sinais e com os problemas de aquecimento criados por transistores construídos em tão alta densidade
41 compreende as seguintes linhas científicas de atuação: Eletrônica Molecular Computação Quântica Autômatos Celulares de Pontos Quânticos Suporte Computacional à Nanotecnologia: Simuladores, Modelos, Síntese de Estruturas e Dispositivos,
42 Computação Quântica Pode ser uma solução para problemas com complexidade exponencial devido a suas propriedades físicas. A idéia é investigar técnicas inteligentes inspiradas na computação quântica (e.g. Algoritmos Genéticos e Redes Neurais com Inspiração Quântica). Inferência de propriedades - Redes neurais e sistemas neuro-fuzzy podem inferir propriedades de componentes em escala nanométrica, a partir de dados experimentais, (moduladores, sensores, etc), permitindo prever características e desempenho antes de fabricá-los. Síntese e Otimização de estruturas e parâmetros - Síntese em escala nanométrica por meio de computação evolucionária e simulação. A evolução permite projetar
43 Simuladores Simuladores em nanotecnologia cada vez mais disponíveis na Internet. Fazem muitas aproximações, devido ao tratamento quântico computacionalmente intensivo. Físicos e químicos, que buscam maior precisão, rodam seus experimentos em grandes grids de computadores. Exemplos de simuladores TRANSIESTA, NanoHub, GAMESS, Métodos da química computacional disponíveis permitem modelar diversos processadores e estruturas moleculares com acurácia suficiente para determinar o quão bem eles funcionam (medida de aptidão de cada projeto). Acoplando algoritmos da computação evolucionária a esses simuladores, pode-se, tão facilmente como já é feito com circuitos (Evolvable Hardare), sintetizar por evolução baseada na aptidão
44 O Que é Evolvable Hardare? Área que investiga a aplicação de Computação Evolucionária no projeto, otimização ou síntese de sistemas: Circuitos eletrônicos; Robôs; Estruturas nas áreas de civil, mecânica, etc; Evoluir ao invés de projetar Nanoestruturas e nanodispositivos
45 Processo de Síntese Evolucionária Simulador avaliação componentes objetivos estrutura Sistema Evolucionário Hardare Sintetizado
46 Algoritmos Genéticos
47 Conceitos Básicos Algoritmo de busca/otimização inspirado na seleção natural e reprodução genética.
48 Conceitos Básicos Algoritmo de busca/otimização inspirado na seleção natural e reprodução genética. Combina sobrevivência do mais apto e cruzamento aleatório de informação
49 Analogia com a Natureza Evolução Natural Alg.. Genéticos Indivíduo Cromossoma Reprodução Sexual Mutação População Gerações Meio Ambiente Solução Representação Operador Cruzamento Operador Mutação Conjunto de Soluções Ciclos Problema
50 Avaliação dos Filhos Ciclo do Algoritmo Genético Cromossoma Palavra Aptidão A B C D Pais f( ) Crossover Filhos Mutação Reprodução
51 Avaliação dos Filhos Ciclo do Algoritmo Genético Cromossoma Palavra Aptidão A B C D Pais f( ) Evolução Filhos Reprodução
52 Evolução dos Indivíduos f(t) Melhor Indivíduo Evolução Gerações 49
53 Exemplos de aplicações de Algoritmos Genéticos e Nanotecnologia Síntese de circuitos de Autômatos Celulares com Pontos Quânticos; Circuitos pequenos; robustos e tolerantes à falhas. Otimização de OLEDs de múltiplas camadas; Síntese de novos polímeros condutores; Síntese de circuitos moleculares robustos e tolerantes a falhas; Síntese de catalisadores mais eficientes.
54 Redes Neurais Modelo Computacional inspirado nos neurônios biológicos e na estrutura do cérebro com capacidade de adquirir, armazenar e utilizar conhecimento experimental.
55 Redes Neurais Motivação Cérebro e computador processam informação de forma diferente. Cérebro Milhões de vezes mais lento que porta digital Extremamente rápido no reconhecimento de padrões Computador Rápido e preciso na execução de seqüências de instruções Extremamente lento no reconhecimento de padrões
56 Redes Neurais Redes são compostas de neurônios artificiais distribuídos em camadas; Existem ligações entre os neurônios; Comportamento da rede é dado pela estrutura da ligação (topologia) e pelos valores da conexão.
57 Redes Neurais Treinamento é efetuado através da apresentação de exemplos; Diferentes modelos ajustam parâmetros de uma Rede Neural
58 Redes Neurais I 1 H 1 O 1 I 2 H 2 O 2 I 3 H 3 O 3 Entrada Escondida Saída
59 Redes Neurais Atividade Neural I 1 H 1 O 1 I 2 H 2 O 2 I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída Os pesos guardam a memória (conhecimento) da Rede Neural.
60 Redes Neurais Reconhecimento de Padrão Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
61 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
62 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 Entrada Pesos H 3 Escondida Pesos O 3 Saída
63 Redes Neurais Erro = - I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída Pesos são ajustados de acordo com o erro encontrado.
64 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
65 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
66 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 Entrada Pesos H 3 Escondida Pesos O 3 Saída
67 Redes Neurais Erro = - I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Saída
68 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
69 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Escondida Pesos Saída
70 Redes Neurais Atividade Alvo Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 Entrada Pesos H 3 Escondida Pesos O 3 Saída A Rede Neural é treinada até que o erro entre a saída da rede e o alvo seja satisfatório.
71 Redes Neurais Atividade Neural I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 Entrada Pesos H 3 Escondida Pesos A Rede Neural é capaz de generalizar e reconhecer padrões distintos dos usados no treinamento. O 3 Saída
72 Redes Neurais Previsão de Série Temporal valor janela alvo Séries tem porais Entradas da rede = n valores passados Ex: 5 valores passados Saída Desejada = valor da série k passos à fren te Ex: valor um passo à frente tempo
73 Redes Neurais alvo Séries temporais janela Entradas da rede Saída da rede: Valor previsto um passo à frente
74 Redes Neurais alvo Séries temporais janela Entradas da rede Ajuste dos pesos a partir do erro Erro= alvo - previsto Saída da rede: Valor previsto um passo à frente
75 Redes Neurais alvo Séries temporais janela Entradas da rede Ajuste dos pesos a partir do erro Erro= alvo - previsto Saída da rede: Valor previsto um passo à frente
76 Redes Neurais alvo Séries temporais janela Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro Erro=alvo - previsto
77 Redes Neurais Séries temporais janela alvo Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro Erro=alvo - previsto
78 Redes Neurais Séries temporais janela alvo Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro Erro=alvo - previsto
79 Redes Neurais alvo Séries temporais janela Entradas da rede Ajuste dos pesos a partir do erro Erro= alvo - previsto Saída da rede: Valor previsto um passo à frente
80 Redes Neurais Séries temporais janela alvo Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro Erro=alvo - previsto
81 Redes Neurais Séries temporais janela alvo Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro Erro=alvo - previsto
82 Redes Neurais Séries temporais janela previsto Saída da rede: Valor previsto
83 Redes Neurais Séries temporais janela previsto Entradas da rede: inclui valores previstos pela Rede Saída da rede: Valor previsto
84 Redes Neurais Séries temporais previsto janela Entradas da rede: inclui valores previstos pela Rede Saída da rede: Valor previsto
85 Redes Neurais Aplicações: Inferência de propriedades; Aproximação de funções; Classificação; Reconhecimento de padrões.
86 Exemplos de aplicações de Redes Neurais e Nanotecnologia Simulador de circuitos de Autômatos Celulares com Pontos Quânticos; Inferência de propriedades na síntese de catalisadores; Inferência de propriedades na síntese de filmes finos;
87 Lógica Fuzzy Permite o processamento de informações imprecisas ou nebulosas. Exemplos: alta temperatura, média altura, baixa pressão, meia idade, investimento de alto risco.
88 Lógica Fuzzy Ferramental matemático para tratar informações de caráter vago ou impreciso; Inspirada na lógica tradicional; Modela modos imprecisos de raciocínio - papel fundamental na habilidade humana de tomar decisões.
89 Lógica Fuzzy muito jovem jovem velho muito velho idade Se idade igual a 40 então sou velho. Se idade igual a 39 então sou jovem.
90 Lógica Fuzzy muito jovem jovem velho muito velho grau de pertinência muito jovem idade jovem velho muito velho idade
91 Lógica Fuzzy Pedro tem 40 anos. Ele é jovem ou velho? grau de pertinência muito jovem jovem velho muito velho idade
92 Lógica Fuzzy Pedro tem 40 anos. Ele é jovem ou velho? grau de pertinência muito jovem jovem velho muito velho idade
93 Lógica Fuzzy Regras Nebulosas Se idade é meia-idade e pressão é baixa então seguro é baixo; Se idade é jovem e pressão é alta então seguro é alto;
94 Lógica Fuzzy Idade Meia-Idade Jovem Pressão Máx Pressão Mín Alta Baixa Seguro Alto Baixo
95 Lógica Fuzzy SE idade é meia-idade E pressão é baixa ENTÃO seguro é baixo Idade Meia-Idade Jovem Pressão Máx Pressão Mín Alta Baixa Seguro Alto Baixo
96 Lógica Fuzzy SE idade é Jovem E pressão é alta ENTÃO seguro é alto Idade Meia-Idade Jovem Pressão Máx Pressão Mín Alta Baixa Seguro Alto Baixo
97 Lógica Fuzzy
98 Lógica Fuzzy Aplicações: Inferência de propriedades; Aproximação de funções; Classificação; Reconhecimento de padrões; Controle.
Simulação e Síntese Automática de Circuitos de Autômatos Celulares com Pontos Quânticos Através de Técnicas Inteligentes
Simulação e Síntese Automática de Circuitos de Autômatos Celulares com Pontos Quânticos Através de Técnicas Inteligentes Omar Paranaiba Vilela Neto Orientadores: Marco Aurélio C. Pacheco Carlos R. Hall
Leia maisInteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos
Inteligência Computacional Aplicada Resumo O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos O que é Inteligência Computacional? Técnicas e sistemas computacionais que imitam
Leia mais8 Conclusões e Trabalhos Futuros
8 Conclusões e Trabalhos Futuros Este trabalho propôs investigar o apoio das técnicas de Inteligência Computacional no desenvolvimento da Nanociência e Nanotecnologia. Tal apoio é aqui denominado de Nanotecnologia
Leia maisDaniel Barbosa Stein Douglas Alves Reis Marcio R. Santos Marcos Takechi Hirata Nelson M. Tsuboi Nobuyuki Tateoka Peter Ngugi Nyumu Ricardo de Cillo
Daniel Barbosa Stein Douglas Alves Reis Marcio R. Santos Marcos Takechi Hirata Nelson M. Tsuboi Nobuyuki Tateoka Peter Ngugi Nyumu Ricardo de Cillo Física Quântica e a Natureza da Computação Física Quântica
Leia maisIntrodução à Computação Quântica
Introdução à Computação Quântica Aula 1 Revisão da computação clássica Renato de Oliveira Violin José Hiroki Saito Departamento de Computação - UFSCar Conteúdo Dígitos binários. Portas lógicas e circuitos.
Leia maisINTELIGÊNCIA COMPUTACIONAL
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências
Leia maisIntrodução à Computação Quântica
Introdução à Computação Quântica Aula 3 Computação quântica: portas lógicas e circuitos Renato de Oliveira Violin José Hiroki Saito Departamento de Computação - UFSCar Conteúdo Portas lógicas e circuitos.
Leia maisUma Unidade Lógica e Aritmética Reversível
Uma Unidade Lógica e Aritmética Reversível Wilson Rosa de Oliveira DEINFO / UFRPE wrdo@ufrpe.br Luis Antônio Brasil Kowada PESC / COPPE / UFRJ kowada@ufrj.br Amanda Leonel Nascimento DSC / POLI / UPE aln@dsc.upe.br
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.1. Introdução às Redes Neurais Artificiais (RNAs) 2.1.1. Motivação
Leia maisA Revolução da Computação Quântica
A Revolução da Computação Quântica Ulisses Mello, PhD Diretor, IBM Research Brasil IBM Research IBM Q System One Nos próximos 20 minutos vou responder 5 questões? 1. Qual a diferença entre Computação Quântica
Leia maisAula 13 - Capítulo 38 Fótons e Ondas de Matéria
Aula 13 - Capítulo 38 Fótons e Ondas de Matéria Física 4 Ref. Halliday Volume4 Sumário Elétrons e Ondas de Matéria A Equação de Schrödinger Determinação da Densidade de Probabilidade 2 Elétrons e Ondas
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisMini-curso de Spintrônica
Mini-curso de Spintrônica V Escola de Matogrossense de Física Tatiana G. Rappoport UFRJ http://www.if.ufrj.br/~tgrappoport I. Introdução II. Background III. Spintrônica em metais IV. Spintrônica em semicondutores
Leia maisO Mundo Quântico. Luiz Davidovich Instituto de Física Universidade Federal do Rio de Janeiro
O Mundo Quântico Luiz Davidovich Instituto de Física Universidade Federal do Rio de Janeiro Laplace (1749-1827) e o determinismo clássico Uma inteligência que, em qualquer instante dado, conhecesse todas
Leia maisTabela de Pré-Requisitos. Interdisciplinar 36 Não há
Nome da UC Categoria CH Total Pré-Requisitos Álgebra Linear Eletiva 72 Geometria Analítica Álgebra Linear Computacional Eletiva 72 Cálculo Numérico Álgebra Linear II Eletiva 72 Álgebra Linear Algoritmos
Leia maisPRINCÍPIOS DE NEUROCOMPUTAÇÃO
PRINCÍPIOS DE NEUROCOMPUTAÇÃO Neurocomputação Funcionamento do cérebro humano e os neurônios Formação das conexões e como se concebe teoricamente a aquisição do conhecimento, formalizando-os em procedimentos
Leia maisComputação Bioinspirada. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Bioinspirada Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) 1 Principais tópicos Computação Bioinspirada Computação Biológica Biologia Computacional
Leia maisComputação Bioinspirada: Aplicações
Computação Bioinspirada: Aplicações Prof. Eduardo do Valle Simões Grupo de Sistemas Embarcados e Evolutivos LCR Laboratório de Computação Reconfigurável Departamento de Sistemas de Computação Projeto de
Leia maisMecânica Quântica. Ênfase nos Primeiros Postulados. Vide, p. ex., C. R. Rocha, Dissertação de Mestrado e I. Greca, Tese de Doutorado
Mecânica Quântica Ênfase nos Primeiros Postulados Vide, p. ex., C. R. Rocha, Dissertação de Mestrado e I. Greca, Tese de Doutorado O experimento de dupla fenda Feynman, Richard P. FISICA EM 12 LICOES -
Leia maisINFORMAÇÃO QUÂNTICA: DE PLANCK AOS COMPUTADORES QUÂNTICOS. Luiz Davidovich Instituto de Física Universidade Federal do Rio de Janeiro
INFORMAÇÃO QUÂNTICA: DE PLANCK AOS COMPUTADORES QUÂNTICOS Luiz Davidovich Instituto de Física Universidade Federal do Rio de Janeiro Richard Feynman (1918 1988) Prêmio Nobel de Física 1965 Não leve essa
Leia maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisMecânica Quântica 21/12/2009. O experimento de dupla fenda. Ênfase nos Primeiros Postulados ONDE ANDA O ELÉTRON?
//9 Mecânica Quântica Ênfase nos Primeiros Postulados Vide, p. ex., C. R. Rocha, Dissertação de Mestrado e I. Greca, Tese de Doutorado O experimento de dupla fenda Feynman, Richard P. FISICA EM LICOES
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia mais1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador
1 Introdução 1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador possa resolver problemas de forma automática
Leia maisComo Entender a Física Quântica em 8 Passos! Passos
Como Entender a Física Quântica em 8 Passos! A física quântica (também chamada de teoria quântica ou mecânica quântica) é um ramo da física que permite uma descrição do comportamento e interação da matéria
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisCap. 38 Fótons e ondas de matéria
Cap. 38 Fótons e ondas de matéria Problemas com a mecânica clássica: Radiação de corpo negro; Efeito fotoelétrico; O fóton; Efeito fotoelétrico explicado; Exemplo prático: fotoemissão de raios-x; Efeito
Leia maisENGENHARIA E TECNOLOGIA CONSTRUINDO O FUTURO PROF. DR. BRUNO HONDA
ENGENHARIA E TECNOLOGIA CONSTRUINDO O FUTURO PROF. DR. BRUNO HONDA TÓPICOS Memorial Histórico paradigma atual Atualmente: Fotônica Spintrônica Grafeno OLEDs MEMORIAL Bacharel em Física (USP, 2002) Mestre
Leia mais18/Maio/2016 Aula 21. Introdução à Física Nuclear. Estrutura e propriedades do núcleo. 20/Maio/2016 Aula 22
18/Maio/2016 Aula 21 Introdução à Física Nuclear Estrutura e propriedades do núcleo 20/Maio/2016 Aula 22 Radioactividade: Poder de penetração. Regras de conservação. Actividade radioactiva. Tempo de meia
Leia mais4 Simulador de QCA Introdução
4 Simulador de QCA 4.1. Introdução O uso de simuladores já se mostrou imprescindível no desenvolvimento e pesquisa de circuitos tradicionais. A importância do seu uso cresce ainda mais quando a implementação
Leia maisNANOFIOS COMO BLOCOS DE CONSTRUÇÃO PARA DISPOSITIVOS ÓPTICOS E ELETRÔNICOS
NANOFIOS COMO BLOCOS DE CONSTRUÇÃO PARA DISPOSITIVOS ÓPTICOS E ELETRÔNICOS NANOESTRUTURADOS Sumário Objetivos Introdução Síntese de Nanofios Transistores Bipolares Conclusão 1 Objetivos Discutir os artigos:
Leia maisSpintrônica Uma palestra introdutória. Tatiana G. Rappoport
Spintrônica Uma palestra introdutória Tatiana G. Rappoport http://www.if.ufrj.br/~tgrappoport 1 1 Linhas gerais A eletrônica O spin Spintrônica em metais magnéticos Spintrônica em semicondutores Spintrônica
Leia maisAula 13 - Capítulo 38 Fótons e Ondas de Matéria
Aula 13 - Capítulo 38 Fótons e Ondas de Matéria Física 4 Ref. Halliday Volume4 Sumário Elétrons e Ondas de Matéria A Equação de Schrödinger Determinação da Densidade de Probabilidade 2 Elétrons e Ondas
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador
Leia maisCircuitos Quânticos: uma introdução
Circuitos Quânticos: uma introdução Aércio Ferreira de Lima DF/CCT/UFCG Bernardo Lula Júnior DSC/CCT/UFCG WECIQ2006 Roteiro Mecânica quântica (30min) dualidade onda x partícula superposição e interferência
Leia maisCapítulo 38 Fótons e Ondas de Matéria Questões Múltipla escolha cap. 38 Fundamentos de Física Halliday Resnick Walker
Capítulo 38 Fótons e Ondas de Matéria Questões Múltipla escolha cap. 38 Fundamentos de Física Halliday Resnick Walker 1) Qual é o nome das partículas associadas ao campo eletromagnético? a) Fônons. b)
Leia maisIntrodução à Modelagem Molecular
Introdução à Modelagem Molecular Prof. Alex Fabiano C. Campos, Dr Introdução Métodos teóricos e técnicas computacionais para modelar ou imitar o comportamento de moléculas e sistemas atômicos. Empregados
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisA evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:
Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis
Leia maisTópicos sobre Redes Neurais
Tópicos sobre Redes Neurais -Memórias Matriciais -Modelos Híbridos -Redes de Base Radial(RBF) -Redes Construtivas -Redes Recorrentes Prof João Alberto Fabro IF67D Sistemas Inteligentes 1 Dep de Informática
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos
Leia maisInteligência Computacional Aplicada
Inteligência Computacional Aplicada Conteúdo O que é Inteligência Computacional? Áreas de Aplicação Técnicas Inteligentes Sistemas Especialistas Lógica Nebulosa Redes Neurais Algoritmos Genéticos Sistemas
Leia maisUniversidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação. Inteligência Artificial. Lógica Fuzzy Aula II
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Lógica Fuzzy Aula II Introdução a Lógica Fuzzy Retomada Função de pertinência Variáveis linguísticas
Leia maisFundamentos de Química Quântica
Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Departamento de Química Fundamentos de Química Quântica Professora: Melissa Soares Caetano Partícula na caixa Sistema ideal
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisCURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS - 2018.1 3º PERÍODO DISCIPLINA: CÁLCULO II Estudo dos conceitos de antiderivadas, equações diferenciais e áreas. Estudo das integrais e suas técnicas de
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisA computação do futuro
A computação do futuro Miguel Afonso Oliveira Laboratório de Instrumentação e Física Experimental de Partículas Computadores do futuro??? Porque é que vamos falar de computadores numa sessão de física?
Leia maisCOLÉGIO MANUEL BERNARDES INFORMAÇÃO PROVA DE EQUIVALÊNCIA À FREQUÊNCIA
ANO LETIVO 2018/2019 INFORMAÇÃO PROVA DE EQUIVALÊNCIA À FREQUÊNCIA ENSINO SECUNDÁRIO 1ª e 2ª FASES PROVA DE FÍSICA CÓDIGO 315 Caracterização e estrutura da prova Tempo total para a realização da prova:
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia mais8/Maio/2015 Aula 19. Aplicações: - nanotecnologias; - microscópio por efeito de túnel. Equação de Schrödinger a 3 dimensões. 6/Maio/2015 Aula 18
6/Maio/2015 Aula 18 Conclusão da aula anterior 3º oscilador harmónico simples 4º barreira de potencial, probabilidade de transmissão. Efeito de túnel quântico: decaimento alfa. 8/Maio/2015 Aula 19 Aplicações:
Leia maisApresentaremos neste capítulo duas importantes aplicações do emaranhamento
5 Criptografia e Teleportação Apresentaremos neste capítulo duas importantes aplicações do emaranhamento de estados: a criptografia quântica e a teleportação. 5.1 Criptografia Quântica Em 1989 (, 18),
Leia maisA Estrutura Eletrônica dos Átomos. Prof. Fernando R. Xavier
A Estrutura Eletrônica dos Átomos Prof. Fernando R. Xavier UDESC 2015 Estrutura Atômica, Antencedentes... Modelos de Demócrito, Dalton, Thomson, etc 400 a.c. até 1897 d.c. Nascimento da Mecânica Quântica
Leia maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
Leia maisEmentário das disciplinas do curso de Engenharia de Software
Ementário das disciplinas do curso de Engenharia de Software Currículo 1 C201 Introdução à Engenharia CH Teórica 10 CH Prática 10 CH Total 20 cr 1 Introdução aos conceitos básicos e às aplicações de engenharia.
Leia maisTeleportação quântica: Um novo canal de telecomunicação
Teleportação quântica: Um novo canal de telecomunicação Ana Maria Martins g o lp grupo de lasers grup de lasers e plasmas Conteúdo Motivação Informação quântica Paradoxo EPR e entrelaçamento quântico Codificação
Leia maisFORECASTING OF EUCALYPTUS WOOD PRICES FOR CELLULOSE AND SAWMILL USING RADIAL BASIS FUNCTION NEURAL NETWORK AND CLUSTERING METHOD
FORECASTING OF EUCALYPTUS WOOD PRICES FOR CELLULOSE AND SAWMILL USING RADIAL BASIS FUNCTION NEURAL NETWORK AND CLUSTERING METHOD Roberto Max Protil - PUCPR Leandro dos Santos Coelho PUCPR Wesley Vieira
Leia maisAula 01. Murilo V. G. da Silva DINF/UFPR
Aula 01 DINF/UFPR Antes de qualquer coisa... Computação quântica é algo quente nos noticiários... Antes de qualquer coisa... Computação quântica é algo quente nos noticiários... mas Antes de qualquer coisa...
Leia maisIntrodução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisCriptografia quântica
Criptografia quântica Autores: Gabriel Limeira (5º período), Lívia Paravidino (7º período), Matheus Reis (7º período) Universidade Federal do Rio de Janeiro (UFRJ) Departamento de Engenharia Eletrônica
Leia mais2 Nanotecnologia Computacional
2 Nanotecnologia Computacional O desenvolvimento de novas tecnologias vem atraindo pesquisadores de todo o mundo. Maior capacidade de processamento e armazenamento para os equipamentos eletrônicos e melhor
Leia maisExplorando as sutilezas do mundo quântico: De Einstein e Schrödinger à informação quântica
Explorando as sutilezas do mundo quântico: De Einstein e Schrödinger à informação quântica Luiz Davidovich Instituto de Física Universidade Federal do Rio de Janeiro Física quântica no começo do século
Leia maisInforma. Quântica. com. Quebrando Códigos com Computadores Quânticos
Informa formação Quântica com Átomos e FótonsF Quebrando Códigos com Computadores Quânticos Prof. Marcelo Martinelli Laboratório de Manipulação Coerente de Átomos e Luz A página: http://axpfep1.if.usp.br/~mmartine
Leia maisEmentário das disciplinas do curso de Engenharia da Computação. - Núcleo Básico -
Ementário das disciplinas do curso de Engenharia da Computação Currículo 6 Criado pelo CDI em 30/05/2016 - Núcleo Básico - NB 019 - Cálculo I CH Teórica 160 CH Prática 00 CH Total 160 cr 8 Funções. Limites.
Leia maisAULA 01 TEORIA ATÔMICA COMPLETA
AULA 01 TEORIA ATÔMICA COMPLETA - ESTRUTURA ATÔMICA; - MODELOS ATÔMICOS; - ESPECTROSCOPIA ATÔMICA; - PROPRIEDADES ONDULATÓRIAS DOS ELÉTRONS; - NÚMEROS QUÂNTICOS E DISTRIBUIÇÃO ELETRÔNICA. QUÍMICA estudo
Leia maisLIMITES COMPUTACIONAIS E O FUTURO. Prof. André Vignatti DINF - UFPR
LIMITES COMPUTACIONAIS E O FUTURO Prof. André Vignatti DINF - UFPR CONTEXTUALIZANDO Ciências Exatas base de tudo, gera conhecimento Engenharias usa conhecimento, gera tecnologias Tecnologias usa tecnologias,
Leia maisGeralmente, fazemos simplificações e desenvolvemos modelos. A matéria é composta por átomos e moléculas
Disciplina: SiComLíMol 1 A matéria é composta por átomos e moléculas Geralmente, fazemos simplificações e desenvolvemos modelos O estudo teórico não permite tratar quantidades macroscópicas da matéria.
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Representações e Programação Genética Max Pereira Representações A representação cromossômica é completamente arbitrária.
Leia maisCRÉDITOS DO CURSO. Carga Horária Créditos IN1030 Seminários 30 2
UNIVERSIDADE FEDERAL DE PERNAMBUCO PRÓ-REITORIA PARA ASSUNTOS DE PESQUISA E PÓS-GRADUAÇÃO ESTRUTURA CURRICULAR STRICTO SENSU (baseada na Res. 10/2008 do CCEPE) NOME DO CURSO: Pós-Graduação em Ciência da
Leia maisPEA 2522 MÉTODOS DE OTIMIZAÇÃO. Otimização
PEA MÉTODOS DE OTIMIZAÇÃO Otimização Definir claramente o problema a ser resolvido Estabelecer os limites físicos (capacidades, restrições) Definir o modelo matemático adequado PEA 8 - PLANEJAMENTO DE
Leia maisMecânica Quântica. Veremos hoje: Dualidade onda partícula Princípio da Incerteza Formulações da MQ Equação de Schrodinger Partícula numa caixa
Mecânica Quântica Veremos hoje: Dualidade onda partícula Princípio da Incerteza Formulações da MQ Equação de Schrodinger Partícula numa caixa Limitações do modelo de Bohr A teoria de Bohr não era capaz
Leia maisAULA 01 TEORIA ATÔMICA COMPLETA
AULA 01 TEORIA ATÔMICA COMPLETA - ESTRUTURA ATÔMICA; - MODELOS ATÔMICOS; - ESPECTROSCOPIA ATÔMICA; - PROPRIEDADES ONDULATÓRIAS DOS ELÉTRONS; - NÚMEROS QUÂNTICOS E DISTRIBUIÇÃO ELETRÔNICA. Estrutura Eletrônica
Leia maisCap. 39 Mais ondas de matéria
Cap. 39 Mais ondas de matéria Ondas em cordas e ondas de matéria; Energia de um elétron confinado (1D); Mudanças de energia; Função de onda de um elétron confinado (1D); Elétron em poço finito; Outras
Leia maisConjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)
Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:
Leia maisWilliam A. Zacariotto
Computação e Sociedade www.zacariotto.com.br zacariotto@hotmail.com www.colunaregional.com.br William A. Zacariotto O que é a Informação? Fatos ou dados susceptíveis de transportar conhecimento. Automatizaveis
Leia maisSIMULAÇÃO DA TRANSFORMADA QUÂNTICA DE FOURIER COM O SIMULADOR ZENO
169 SIMULAÇÃO DA TRANSFORMADA QUÂNTICA DE FOURIER COM O SIMULADOR ZENO José Filipe de Lima, Rodrigo Soares Semente Departamento de Ciências Exatas e Naturais DCEN - Universidade Federal Rural do Semi-Árido
Leia mais1º Período 2º Período 3º Período 4º Período 5º Período 6º Período 7º Período 8º Período 9º Período 10º Período
Proposta de nova matriz de 2014 1º Período 2º Período 3º Período 4º Período 5º Período 6º Período 7º Período 8º Período 9º Período 10º Período 1 Arquitetura e 2 Cálculo Diferencial Cálculo Diferencial
Leia maisInteligência Computacional Aplicada
Inteligência Computacional Aplicada Conteúdo O que é Inteligência Computacional? Áreas de Aplicação Técnicas Inteligentes Sistemas Especialistas Lógica Nebulosa Redes Neurais Algoritmos Genéticos Sistemas
Leia maisRedes Neurais Artificial. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Redes Neurais Artificial Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Histórico 3. Conceitos Básicos 4. Aprendizado em RNA 5. Exemplo de Aprendizado com
Leia maisSimulação e Síntese Automática de Circuitos de Autômatos Celulares com Pontos Quânticos Através de Técnicas Inteligentes
Omar Paranaiba Vilela Neto Simulação e Síntese Automática de Circuitos de Autômatos Celulares com Pontos Quânticos Através de Técnicas Inteligentes Dissertação de Mestrado Dissertação apresentada como
Leia maisAula 18 Condução de Eletricidade nos Sólidos
Aula 18 Condução de Eletricidade nos Sólidos Física 4 Ref. Halliday Volume4 Sumário Capítulo 41: Condução de Eletricidade nos Sólidos Propriedades Elétricas dos Sólidos Níveis de Energia em um Sólido Cristalino
Leia maisAula-9 Mais Ondas de Matéria I
Aula-9 Mais Ondas de Matéria I Estados ligados Vimos, até agora, 3 postulados da Mecânica Quântica: a) Toda partícula possui uma função de onda associada a ela. b) A forma e a evolução temporal desta é
Leia maisUma Introdução à Nanotecnologia e o Papel da Ciência da Computação e da Teoria da Informação
Uma Introdução à Nanotecnologia e o Papel da Ciência da Computação e da Teoria da Informação Omar Paranaiba Vilela Neto ICA: Laboratório de Inteligência Computacional Aplicada Departamento de Engenharia
Leia maisFísica IV Poli Engenharia Elétrica: 20ª Aula (04/11/2014)
Física IV Poli Engenharia Elétrica: ª Aula (4/11/14) Prof. Alvaro Vannucci a última aula vimos: Átomos multi-eletrônicos: as energias dos estados quânticos podem ser avaliadas através da expressão: 13,6
Leia maisTecnologias Quânticas
Quantum vs Clássico Tecnologias Quânticas Devem os engenheiros aprender Mecânica Quântica? J.M.B. Lopes dos Santos CFP e Departamento de Física, Faculdade de Ciências, Universidade do Porto ISEP, Departamento
Leia maisRobótica Evolutiva uma População de Robôs Reais que Fazem Amor e Geram Descendentes Enquanto Aprendem a Realizar Tarefas
Robótica Evolutiva uma População de Robôs Reais que Fazem Amor e Geram Descendentes Enquanto Aprendem a Realizar Tarefas Eduardo Simões Mestrado em Microeletrônica UFRGS Doutorado em Robótica University
Leia maisUma breve introdução ao Curso de Computação Científica / Algoritmos Numéricos II
Uma breve introdução ao Curso de Computação Científica / Algoritmos Numéricos II Lucia Catabriga luciac@inf.ufes.br March 28, 2017 Lucia Catabriga (UFES) ANII e CC DI/PPGI/PPGEM March 28, 2017 1 / 27 Contextualizando
Leia maisDiodo de junção PN. Diodos 2
DIODOS a Diodos 1 Diodo de junção PN A união de um cristal tipo p e um cristal tipo n, obtémse uma junção pn, que é um dispositivo de estado sólido simples: o diodo semicondutor de junção. Devido a repulsão
Leia maisCURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS - 2016.1 1º PERÍODO DISCIPLINA: INTRODUÇÃO AO CÁLCULO DISCIPLINA: FUNDAMENTOS DE FÍSICA DISCIPLINA: REPRESENTAÇÃO GRÁFICA DISCIPLINA: INTRODUÇÃO À ENGENHARIA
Leia maisIntrodução à computação quântica
Introdução à computação quântica Heitor Nicoliello RA: 089041 03 July 2009 Resumo Um computador quântico é um dispositivo que executa cálculos usando propriedades da mecânica quântica. Essas propriedades
Leia maisTópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 02
Tópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 02 Prof. Max Santana Rolemberg Farias max.santana@univasf.edu.br Colegiado de Engenharia de Computação POR QUE APRENDER CONCEITOS
Leia maisSistemas especialistas Fuzzy
Sistemas Fuzzy Sistemas especialistas Fuzzy Especialistas Senso comum para resolver problemas Impreciso, inconsistente, incompleto, vago Embora o transformador esteja um pouco carregado, pode-se usá-lo
Leia maisInteligência Computacional Aplicada
Inteligência Computacional Aplicada Conteúdo O que é Inteligência Computacional? Áreas de Aplicação Técnicas Inteligentes Sistemas Especialistas Lógica Fuzzy Redes Neurais Algoritmos Genéticos Sistemas
Leia mais3 Métodos de Otimização
3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de
Leia maisNÚMEROS QUÂNTICOS. As teorias da MECÂNICA QUÂNTICA (Planck, De Broglie, Schrödinger e Heisenberg e outros), auxiliam na identificação dos elétrons.
NÚMEROS QUÂNTICOS As teorias da MECÂNICA QUÂNTICA (Planck, De Broglie, Schrödinger e Heisenberg e outros), auxiliam na identificação dos elétrons. Prof. Ailey Aparecida Coelho Tanamati Mecânica = movimento
Leia mais