Engenheiro Físico e mestrando em Física Aplicada. Uno primeiros princípios (DFT), Machine Learning e computação para entender e prever o comportamento de novos materiais — do hidreto MgH₂ às curvas de luz de exoplanetas.
Sou Engenheiro Físico pela UNILA e atualmente mestrando em Física Aplicada (bolsa CNPq), orientado pelo Prof. Dr. José Ricardo Cezar Salgado e coorientado pelo Prof. Dr. Rodrigo Santos da Lapa.
Minha trajetória é interdisciplinar: pesquisa em ciência dos materiais e DFT, Machine Learning aplicado à predição de materiais e à identificação de exoplanetas, além de desenvolvimento web e firmware. Sou membro do grupo Mineração de Dados em Séries Temporais (LACA/UNILA).
Fui monitor de Cálculo, Matemática Básica e Física Geral, presidente do CAENFIS e reconhecido com o prêmio de Melhor Projeto de Extensão (CREA-PR, 2023). Meu objetivo é integrar Física, Computação, IA e Ciência dos Materiais em soluções inovadoras.
Três frentes conectadas por simulação, dados e física da matéria condensada.
Defeitos nativos e substitucionais, tensões uniaxiais/biaxiais e seus efeitos na entalpia de formação, temperatura de dessorção e propriedades eletrônicas para armazenamento sólido de hidrogênio.
mestrado · TCC · ab initioAlgoritmos de ML para predizer estabilidade termodinâmica de materiais 2D (base C2DB/CMR), energia de formação e bandgap; IA aplicada à classificação por espectroscopia Raman.
IC CNPq · SIEPE 2024/2025Processamento automático de curvas de luz do Kepler com 16 algoritmos de aprendizado de máquina (LightGBM com 82,92% de acurácia). Dataset público e artigo na Revista Brasileira de Iniciação Científica.
LACA · Fundação AraucáriaSimulações rodando no seu navegador: mexa nos controles e veja a física responder em tempo real.
Confinada, a partícula só aceita energias discretas. Aumente n e veja os nós da função de onda surgirem. Ligue a superposição para ver a probabilidade "balançar".
Quando o planeta passa na frente da estrela, o brilho cai. É o sinal que o Kepler captou e que meus algoritmos de ML aprendem a detectar.
O elétron salta entre níveis e emite um fóton com energia exata da diferença. Escolha os níveis e descubra a cor da linha espectral (órbitas esquemáticas).
Formação, pesquisa, estágio e liderança estudantil.
Projeto: influência de defeitos substitucionais no MgH₂ — abordagem ab initio. Orientador: J. R. C. Salgado · Coorientador: R. S. da Lapa.
Menção no PPGFISA e no SIEPE 2025; 3º lugar no 5º Concurso de Pontes de Macarrão da UNILA; curso de Density Functional Theory (École Polytechnique, 25h).
Algoritmos de controle e acionamento, controlador de carga, forno de soldagem de placas e datalogger com interface de análise (C/C++).
Estudo de algoritmos de Machine Learning para auxiliar na predição de novos materiais (materiais 2D).
"A Eletroquímica ao alcance da sociedade", aproximando a universidade das escolas com experimentos de pilhas e baterias.
Exoplanetas com Machine Learning e Eletroquímica ao alcance de toda a sociedade; voluntário na mostra de cursos de Engenharia Física.
Liderança do Centro Acadêmico de Engenharia Física, colegiado do curso e representação discente no CONSUNI-ILACVN.
Detecção de exoplanetas, curvas de luz e predição de materiais com ML. Revisor de MethodsX (2024) e Journal of Computer Sciences and Informatics (2025).
TCC sobre defeitos substitucionais no hidreto MgH₂ (DFT). Orientador: Rodrigo Santos da Lapa.
Matemática Básica, Cálculo 1, Física Geral para Biologia e Física Geral 1.
Perfil no Google Scholar · ORCID 0000-0002-8152-0950
Aberto a colaborações em física computacional, ciência de materiais e Machine Learning. Foz do Iguaçu, PR — Brasil.
brunohdmacedo@gmail.com