Raman spectra-based structured classificatory analysis of quinoidal and derivative molecular systems: an unsupervised machine learning approach
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Primeiro orientador
Membros da banca
Omar Paranaiba Vilela Neto
Luiz Gustavo de Oliveira Lopes Cançado
Antonio Gomes de Souza Filho
Mário Sérgio de Carvalho Mazzoni
Alexandre Magno Rodrigues Teixeira
Luiz Gustavo de Oliveira Lopes Cançado
Antonio Gomes de Souza Filho
Mário Sérgio de Carvalho Mazzoni
Alexandre Magno Rodrigues Teixeira
Resumo
This work brings a classificatory analysis method based on the vibrational Raman spectra
of 38 quinones and related structures, spectrally ordering and classifying the compounds.
The molecular systems are relevant for chemical and biological processes, with applications
in pharmacology, toxicology and medicine. The classificatory strategy uses a combination
of principal component analysis with k-Means clustering methods. Both theoretical simu-
lations and experimental data are analysed, thus establishing their spectral characteristics,
as related to their chemical structures and properties. The protocol introduced here should
be broadly applicable in other molecular and solid state systems, providing a strucured
protocol form materials study based in Raman spectroscopy and machine learning.
Abstract
Este trabalho traz um método de análise classificatória baseado nos espectros vibracionais
Raman de 38 quinonas e estruturas relacionadas, ordenando e classificando espectralmente
os compostos. Os sistemas moleculares são relevantes para processos químicos e biológicos,
com aplicações em farmacologia, toxicologia e medicina. A estratégia classificatória usa uma
combinação de análise de componentes principais com métodos de agrupamento k-means.
Tanto as simulações teóricas como os dados experimentais são analisados, estabelecendo
assim as suas características espectrais, relacionadas com as suas estruturas e propriedades
químicas. O protocolo introduzido aqui deve ser amplamente aplicável em outros sistemas
moleculares e de estado sólido, servindo de base para um protocolo de estudo de materiais
fundamentado em espectroscopia Raman e aprendizado de máquina.
Assunto
Espectroscopia de Raman, Quinona, Aprendizado do computador
Palavras-chave
Raman, Machine learning, Quinonas, DFT