Otimização estrutural de polímeros termorresponsivos derivados de PNIPAM: uma abordagem computacional empregando redes neurais artificiais e algoritmos genéticos

Autores

DOI:

https://doi.org/10.5902/2179460X87076

Palavras-chave:

Poli(N-isopropilacrilamida), Redes neurais artificiais, Algoritmos genéticos, Polímeros inteligentes

Resumo

Neste estudo, redes neurais artificiais (ANN) e algoritmos genéticos (GA) são empregados em conjunto para projetar estruturas poliméricas otimizadas com superior ponto de névoa. O banco de dados proveniente de um estudo prévio de síntese de polímeros com caráter termorresponsivo foi utilizado para criar modelos baseados em ANN, a partir do qual possibilitaram a formulação e solução do problema inverso, empregando o GA. Os regressores, com RMSE médio inferior a 0,7 ºC, foram utilizados no processo de evolução dos polímeros ao longo de 20 gerações. Operações de mutação e seleção levaram à criação de 10 macromoléculas híbridas e inéditas com ponto de névoa médio de 80 ºC. Ainda, os papéis especiais de alguns grupos químicos são reconhecidos e favorecem o mapeamento estrutural dos materiais a base de PNIPAM. A abordagem computacional aqui apresentada demonstra ser uma ferramenta promissora no desenvolvimento de novos materiais.

Downloads

Não há dados estatísticos.

Biografia do Autor

Kelly Cristine da Silveira, Universidade do Estado do Rio de Janeiro

Kelly Cristine da Silveira é pesquisadora na área de Materiais Poliméricos, pós-doutoranda bolsista FAPERJ PDR 10, atuando no Laboratório de Ensaios Mecânicos e Metrologia (UDT-LEMec/IPRJ/UERJ) e no Laboratório de Biomateriais (UDT-Biomateriais/IPRJ/UERJ). Realizou Pós-doutorado vinculado ao Programa de Pós-Graduação em Modelagem Computacional do Instituto Politécnico (Área Interdisciplinar, CAPES 6), Campus Regional da Universidade do Estado do Rio de Janeiro (IPRJ/UERJ), com bolsa PDJ/CNPq no período 2017-2018, atuando no Laboratório de Sustentabilidade e Química de Polímeros (LASQPol/IPRJ/UERJ) e no Laboratório de Ensaios Mecânicos e Metrologia (LEMec/IPRJ/UERJ). Atuou como Professora-Mediadora Pedagógica-Tutora no curso de graduação em Licenciatura em Química oferecido pela Universidade Estadual do Norte Fluminense Darcy Ribeiro via Consórcio CEDERJ (UENF/CEDERJ), Polo Nova Friburgo (2017-2021). Doutora em Ciência e Tecnologia de Polímeros pelo Instituto de Macromoléculas da Universidade Federal do Rio de Janeiro (IMA/UFRJ), CAPES 7 (2016). Período de doutorado sanduíche com bolsa PDSE/CAPES de 12 meses na Commonwealth Scientific and Industrial Research Organisation (CSIRO), Melbourne/Austrália, no departamento de Ciência e Engenharia de Materiais (2014-2015). Mestra em Química pelo Instituto de Química da Universidade Federal do Rio Grande do Sul (IQ-UFRGS), CAPES 7 (2012). Bacharela em Química pela UFRGS (2009). Atuando na área de Química & Materiais, com experiência nos seguintes temas: inibidores cinéticos de hidratos de gás (KHI), promotores cinéticos de hidratos de gás (KHP), síntese e modificação de polímeros, formação e estabilização de hidratos de gás, metodologias high-throughput, química verde e biocombustíveis. 

Tony Hille, Instituto Politécnico do Rio de Janeiro

Graduando em Engenharia Mecânica no Instituto Politécnico da UERJ. Foi Bolsista de extensão da UERJ. Atualmente é bolsista PIBIC/CNPq atuando na Unidade de Desenvolvimento Tecnológico / Laboratório de Ensaios Mecânicos e Metrologia (UDT/LEMec).

Matheus Moraes Gago, Federal Center for Technological Education Celso Suckow da Fonseca

Graduando em Engenharia Elétrica no Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, CEFET/RJ. Foi bolsista PIBIC/UERJ. Foi membro da empresa federada de soluções em administração e engenharia Eficiência Junior.

Josiele da Silva Teixeira, Universidade do Estado do Rio de Janeiro

Possui Bacharelado em Matemática com ênfase em Modelagem Matemática pela Universidade Federal do Espírito Santo (2011). Mestrado em Modelagem Computacional pelo Instituto Politécnico (IPRJ), Campus Regional de Nova Friburgo, RJ (2014). Doutorado em Modelagem Computacional pelo Instituto Politécnico (IPRJ), Campus Regional de Nova Friburgo, RJ (2018). Vem atuando na área de matemática aplicada e modelagem computacional desde 2012, onde tem desenvolvido trabalhos nas linhas de pesquisa: Problemas inversos, Identificação de danos estruturais a partir de ensaios de vibração e Inferência Bayesiana. Foi bolsista de Pós-Doutorado Nota 10 da FAPERJ no Laboratório Patrícia Oliva Soares de Experimentação Numérica e Simulação em Transferência de calor e Massa (LEMA) do Instituto Politécnico IPRJ/UERJ. Atualmente é bolsista de Treinamento e Capacitação Técnica (TCT) da Faperj no Laboratório Patrícia Oliva Soares de Experimentação Numérica e Simulação em Transferência de calor e Massa (LEMA) do Instituto Politécnico IPRJ/UERJ. 

Guilherme Anunciação Leite, Federal Center for Technological Education Celso Suckow da Fonseca

Graduando em Engenharia Elétrica no Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, CEFET/RJ. Foi bolsista IC/FAPERJ.

Jonathan Nogueira Gois, Federal Center for Technological Education Celso Suckow da Fonseca

Jonathan Nogueira Gois nasceu no Rio de Janeiro, em 1990. Graduou-se em Engenharia Eletrônica e de Computação, pela Universidade Federal do Rio de Janeiro em 2013. Titulou-se Mestre em Engenharia Elétrica em 2016, no Programa de Engenharia Elétrica (PEE) do Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa em Engenharia (COPPE). É professor no curso superior de bacharelado de engenharia elétrica no CEFET-RJ campus Nova Friburgo. Atualmente é aluno de doutorado do Programa de Pós-Graduação em Engenharia Elétrica e de Telecomunicações (PPGEET) da Universidade Federal Fluminense (UFF).

Antônio José da Silva Neto, Universidade do Estado do Rio de Janeiro

Antônio José da Silva Neto é Engenheiro Mecânico/Nuclear (UFRJ,1983), M.Sc. em Engenharia Nuclear (COPPE/UFRJ, 1989) e Ph.D. em Engenharia Mecânica (North Carolina State University, 1993). Trabalhou na Comissão Nacional de Energia Nuclear (1984-1986), na Promon Engenharia (1986-1997), e desde 1997 é professor no Instituto Politécnico da Universidade do Estado do Rio de Janeiro (Prof. Adjunto 1997-2012, Prof. Associado 2012-2013, Prof. Titular 2013- ). É membro titular da Academia Nacional de Engenharia (2017- ). Foi Coordenador de Área da FAPERJ em Engenharia Mecânica e Nuclear (2012-2018). Foi Presidente (2014-2017) da Sociedade Brasileira de Matemática Aplicada e Computacional (SBMAC), 1o. Vice-Presidente (2010-2013) e membro do Conselho (2005-2009). Foi Presidente (2009-2013) da Associação Brasileira de Engenharia e Ciências Mecânicas (ABCM), Vice-Presidente (2005-2009) e Diretor Secretário (2001-2005). Foi membro do Conselho Deliberativo do CNPq (2014-2016). Criou a Secretaria Municipal de Ciência, Tecnologia, Inovação e Ensino Profissionalizante e Superior, em Nova Friburgo, RJ, e foi o Secretário (Jan/2010 a Maio/2011). Desde 2007 coordena projetos de cooperação internacional com a Universidade Tecnológica de Havana José Antonio Echeverría de Cuba (CUJAE/Cuba). Em 2014 recebeu o título honorífico de Professor Convidado da CUJAE/Cuba. É Cientista do Nosso Estado (FAPERJ) desde 2002. É Procientista da UERJ (Concurso interno) desde 1997. Publicou 16 livros, sete pela Springer-Verlag (quatro como editor), dois pela EdUERJ (um como editor), um pela Editora Manole (como editor), Segundo colocado na Categoria Educação do Prêmio Jabuti 2011, um pela Editora Omnipax (como editor), um pela Editora Alternativa, e quatro pela SBMAC (um como editor), 86 capítulos, 196 artigos em periódicos e 509 trabalhos completos em eventos. Seu índice h na base Scopus é 21, na Web of Science é 18 e no Google Scholar é 31. Supervisionou 14 pós-doutores. Orientou 31 teses de doutorado (sendo nove como coorientador); orientou 51 dissertações de mestrado (sendo 14 como coorientador); além de ter orientado 54 trabalhos de iniciação científica e 60 de conclusão de curso. É Editor Associado dos periódicos Journal of Heat Transfer (JHT/ASME), Computational and Applied Mathematics (CAM/Springer), Journal of Computational Mathematics and Data Science (JCMDS/Elsevier), International Journal of Data Science and Analytics (JDSA/Springer) e Tendências em Matemática Aplicada e Computacional (TEMA/SBMAC). Foi Editor Associado do periódico Inverse Problems in Science and Engineering (ICIPE/Taylor Francis, 2004-2021). Participou da criação do Doutorado Profissional em Modelagem e Tecnologia para Meio Ambiente Aplicadas em Recursos Hídricos, AmbHidro, do Instituto Federal Fluminense (2019). Participou da Comissão de Avaliação Interdisciplinar da CAPES (2006-2016), tendo sido o Presidente Adjunto da Câmara Temática de Engenharia, Tecnologia e Gestão (2008-2016). Foi Coordenador do Programa de Pós-Graduação em Modelagem Computacional do Instituto Politécnico da UERJ (2005-2007). Foi membro da comissão de criação do Curso de Graduação em Engenharia Mecânica do Instituto Politécnico da UERJ (1997-1998). Foi Diretor Técnico Científico do Instituto Metal-Mecânico de Nova Friburgo (2003-2006 e 2012-2013). Foi o Coordenador de Projetos e Desenvolvimento Tecnológico do Instituto Politécnico da UERJ (1997-2008 e 2012-2013). Entre 1997 e 2020 coordenou/participou de 125 projetos de pesquisa e/ou extensão. Desde 1991 é membro das Sociedades de Honra Acadêmica Phi Kappa Phi e Pi Mu Epsilon. Atua na área de Engenharia Mecânica, com ênfase em Transferência de Calor, e em Matemática Aplicada e Computacional, com ênfase em Métodos Numéricos. Em seu Currículo Lattes os termos mais frequentes na contextualização da produção científica e tecnológica são: Problemas Inversos, Radiação Térmica, Condução de Calor, Equação de Boltzmann, Meios Participantes e Estimativa de Termo Fonte.

Referências

Aguilar, M.R., & San Román, J. (2014). Smart polymers and their applications. 1. ed. Amsterdam (Netherland): Elsevier. DOI: https://doi.org/10.1533/9780857097026.1

Chen, L., Pilania, G., Batra, R., Huan, T.D., Kim, C., Kuenneth, C., Ramprasad, R. (2021). Polymer informatics: Current status and critical next steps. Materials Science and Engineering: R: Reports, 144, 100595. https://doi.org/10.1016/j.mser.2020.100595. DOI: https://doi.org/10.1016/j.mser.2020.100595

Da Silveira, K. C., Siqueira, M. H. S., Gama, J. M. R., Gois, J. N., Toledo, C. F. M., & Silva Neto, A. J. (2023). A Comparison of Machine Learning Approaches in Predicting Viscosity for Partially Hydrolyzed Polyacrylamide Derivatives. VETOR - Revista De Ciências Exatas E Engenharias, 33(1), 2–12. https://doi.org/10.14295/vetor.v33i1.15157. DOI: https://doi.org/10.14295/vetor.v33i1.15157

Da Silveira, K.C., Sheng, Q., Tian, W., Fong, C., Maeda, N., Lucas, E F., & Wood, C.D. (2017). High throughput synthesis and characterization of PNIPAM-based kinetic hydrate inhibitors. Energy & Fuels, 188, 522-529. https://doi.org/10.1016/j.fuel.2016.10.075. DOI: https://doi.org/10.1016/j.fuel.2016.10.075

Da Silveira, K.C., Sheng, Q., Tian, W., Lucas, E.F., & Wood, C.D. (2015). Libraries of modified polyacrylamides using post‐synthetic modification. Journal of Applied Polymer Science, 132, 47. https://doi.org/10.1002/app.42797. DOI: https://doi.org/10.1002/app.42797

Dai, H., & Li, K. (2023). A smart material: multi-stimulus-responsive composite microspheres prepared via RAFT polymerization as recyclable Pickering emulsifiers and their application in stabilizing real oil phases. Journal of Environmental Chemical Engineering, 11, 5. https://doi.org/10.1016/j.jece.2023.110361. DOI: https://doi.org/10.1016/j.jece.2023.110361

Dai, L., Yuan, J., Xu, J., Lou, J., & Fan, X. (2023). Switchable bacteria-killing and bacteria-releasing surface fabricated from regenerable PNIPAM-based N-halamine cotton fabrics. Progress in Organic Coatings, 182. https://doi.org/10.1016/j.porgcoat.2023.107650. DOI: https://doi.org/10.1016/j.porgcoat.2023.107650

Dasgupta, J., Sikder, J., & Mandal, D. (2017). Modeling and optimization of polymer enhanced ultrafiltration using hybrid neural-genetic algorithm based evolutionary approach. Applied Soft Computing, 55, 108-126. https://doi.org/10.1016/j.asoc.2017.02.002. DOI: https://doi.org/10.1016/j.asoc.2017.02.002

Demirbay, B., Kara, D.B., & Uğur, Ş. (2022). Multivariate regression (MVR) and different artificial neural network (ANN) models developed for optical transparency of conductive polymer nanocomposite films. Expert Systems with Applications, 207, 117937. https://doi.org/10.1016/j.eswa.2022.117937. DOI: https://doi.org/10.1016/j.eswa.2022.117937

Ding, Y., Duan, Y., Yang, F., Xiong, Y., & Guo, S. (2023). High-transmittance pNIPAm gel smart windows with lower response temperature and stronger solar regulation. Chemical Engineering Journal, 460, 141572. https://doi.org/10.1016/j.cej.2023.141572. DOI: https://doi.org/10.1016/j.cej.2023.141572

Gadore, V., & Ahmaruzzaman, M. (2021). Smart materials for remediation of aqueous environmental contaminants. Journal of Environmental Chemical Engineering, 9, 6, 106486. https://doi.org/10.1016/j.jece.2021.106486. DOI: https://doi.org/10.1016/j.jece.2021.106486

Jiang, B., Zhang, F., Sun, Y., Zhou, X., Dong, J., & Zhang, L. (2014). Modeling and optimization for curing of polymer flooding using an artificial neural network and a genetic algorithm. Journal of the Taiwan Institute of Chemical Engineers, 45, 2217-2224. https://doi.org/10.1016/j.jtice.2014.03.020. DOI: https://doi.org/10.1016/j.jtice.2014.03.020

Kim, C., Batra, R., Chen, L., Tran, H., & Ramprasad, R. (2021). Polymer design using genetic algorithm and machine learning. Computational Materials Science, 186, 110067. https://doi.org/10.1016/j.commatsci.2020.110067. DOI: https://doi.org/10.1016/j.commatsci.2020.110067

Kumar, J.N., Li, Q., Tang, K.Y., Buonassisi, T., Gonzalez-Oyarce, A.L., & Ye, J. (2019). Machine learning enables polymer cloud-point engineering via inverse design. Npj Computational Materials, 5, 1-6. https://doi.org/10.1038/s41524-019-0209-9. DOI: https://doi.org/10.1038/s41524-019-0209-9

Liu, X., Ye, K., Van Vlijmen, H.W., IJzerman, A.P., & Van Westen, G.J. (2019). An exploration strategy improves the diversity of de novo ligands using deep reinforcement learning: a case for the adenosine A2A receptor. Journal of cheminformatics, 11, 35. https://doi.org/10.1186/s13321-019-0355-6. DOI: https://doi.org/10.1186/s13321-019-0355-6

Lu, Y., Chen, B., Yu, M., Han, J., Wang, Y., Tan, Z., & Yan, Y. (2016). Simultaneous separation/enrichment and detection of trace ciprofloxacin and lomefloxacin in food samples using thermosensitive smart polymers aqueous two-phase flotation system combined with HPLC. Food Chemistry, 210, 1-8. https://doi.org/10.1016/j.foodchem.2016.04.074. DOI: https://doi.org/10.1016/j.foodchem.2016.04.074

Marešová, E., Tomeček, D., Fitl, P., Vlček, J., Novotný, M., Fišer, L., ... & Vrňata, M. (2018). Textile chemiresistors with sensitive layers based on polymer ionic liquids: Applicability for detection of toxic gases and chemical warfare agents. Sensors and Actuators B: Chemical, 266, 830-840. https://doi.org/10.1016/j.snb.2018.03.157. DOI: https://doi.org/10.1016/j.snb.2018.03.157

Park, J., Kim, H., da Silveira, K.C., Sheng, Q., Postma, A., Wood, C.D., & Seo, Y. (2019). Experimental evaluation of RAFT-based Poly (N-isopropylacrylamide) (PNIPAM) kinetic hydrate inhibitors. Fuel, 235, 1266-1274. https://doi.org/10.1016/j.fuel.2018.08.036. DOI: https://doi.org/10.1016/j.fuel.2018.08.036

Park, J., Da Silveira, K.C., Sheng, Q., Wood, C.D., & Seo, Y. (2017). Performance of PNIPAM-based Kinetic Hydrate Inhibitors for Nucleation and Growth of Natural Gas Hydrates. Energy & Fuels, 31, 3, 2697–2704. https://doi.org/10.1021/acs.energyfuels.6b03369. DOI: https://doi.org/10.1021/acs.energyfuels.6b03369

Santos, F. F., Da Silveira, K. C., Carrielo, D. H., Ferreira, G. M., Domingues, G. de M. B., & Andrade, M. C. (2023a). Evaluation of the Thermogravimetric Profile of Hybrid Cellulose Acetate Membranes using Machine Learning Approaches. VETOR - Revista De Ciências Exatas E Engenharias, 33(1), 51–59. https://doi.org/10.14295/vetor.v33i1.15167. DOI: https://doi.org/10.14295/vetor.v33i1.15167

Santos, F. F. dos, Da Silveira, K. C., Ferreira, G. M., Cariello, D. H., & Andrade, M. C. (2023b). Perovskite Solar Cell: Chemical Composition and Bandgap Energy via Machine Learning. The Journal of Engineering and Exact Sciences, 9(9), 17804. https://doi.org/10.18540/jcecvl9iss9pp17804. DOI: https://doi.org/10.18540/jcecvl9iss9pp17804

Sana, B., Finne-Wistrand, A., & Pappalardo, D. (2022). Recent development in near infrared light-responsive polymeric materials for smart drug-delivery systems. Materials Today Chemistry, 25, 100963. https://doi.org/10.1016/j.mtchem.2022.100963. DOI: https://doi.org/10.1016/j.mtchem.2022.100963

Sheng, Q., Da Silveira, K.C., Tian, W., Fong, C., Maeda, N., & Wood, C.D. (2017). Simultaneous hydrate and corrosion inhibition with modified poly(vinylcaprolactam) polymers. Energy & Fuels, 31, 7, 6724-6731. https://doi.org/10.1021/acs.energyfuels.7b00525. DOI: https://doi.org/10.1021/acs.energyfuels.7b00525

Silva Neto, A.J., Becceneri, J., & Velho, H.F.C. (2016). Inteligência Computacional Aplicada a Problemas Inversos em Transferência Radiativa. Rio de Janeiro (Brasil): Editora UERJ.

Silva, I.N., Spatti, D.H., & Flauzino, R.A. (2016). Redes neurais artificiais para engenharia e ciências aplicadas. 2. ed. São Paulo (Brasil): Artliber Editora.

Sponchioni, M., Palmiero, U.C., & Moscatelli, D. (2019). Thermo-responsive polymers: Applications of smart materials in drug delivery and tissue engineering. Materials Science and Engineering: C, 102, 589-605. https://doi.org/10.1016/j.msec.2019.04.069. DOI: https://doi.org/10.1016/j.msec.2019.04.069

Suamte, L., Tirkey, A., & Babu, P. J. (2022). Design of 3D smart scaffolds using natural, synthetic and hybrid derived polymers for skin regenerative applications. Smart Materials in Medicine, 4, 243-256. https://doi.org/10.1016/j.smaim.2022.09.005. DOI: https://doi.org/10.1016/j.smaim.2022.09.005

Sun, Q., & Ertekin, T. (2020). Screening and optimization of polymer flooding projects using artificial-neural-network (ANN) based proxies. Journal of Petroleum Science and Engineering, 185, 106617. https://doi.org/10.1016/j.petrol.2019.106617. DOI: https://doi.org/10.1016/j.petrol.2019.106617

Wang, Y., Zhong, H., Li, X., Zhang, X., Cheng, Z., Zhang, Z., Zhang, Y., Chen, P., Zhang, L., Ding, L., & Wang, J. (2019). Electrochemical temperature-controlled switch for nonenzymatic biosensor based on Fe3O4-PNIPAM microgels. Journal of Electroanalytical Chemistry, 851, 113410. https://doi.org/10.1016/j.jelechem.2019.113410. DOI: https://doi.org/10.1016/j.jelechem.2019.113410

Zhang, Z., & Friedrich, K. (2003). Artificial neural networks applied to polymer composites: a review. Composites Science and technology, 63, 2029-2044. https://doi.org/10.1016/S0266-3538(03)00106-4. DOI: https://doi.org/10.1016/S0266-3538(03)00106-4

Downloads

Publicado

2024-11-04

Como Citar

Silveira, K. C. da, Hille, T., Gago, M. M., Teixeira, J. da S., Leite, G. A., Gois, J. N., & Silva Neto, A. J. da. (2024). Otimização estrutural de polímeros termorresponsivos derivados de PNIPAM: uma abordagem computacional empregando redes neurais artificiais e algoritmos genéticos. Ciência E Natura, 46(esp. 1), e87076. https://doi.org/10.5902/2179460X87076

Edição

v. 46 n. esp. 1 (2024): ERMAC e ENMC

Seção

I Simpósio Brasileiro de Processos Oxidativos Avançados 

Licença

Copyright (c) 2024 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

Artigos mais lidos pelo mesmo(s) autor(es)