| 1. | 2024-Atual. Ciência de Dados para a Indústria Inteligente (CDII) Descrição: O Centro de Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionalizado por meio de workshops e encontros temáticos realizados entre os setores de aplicação e pesquisadores do CDII. Além disso o CDII deverá atuar fortemente na formação de RH em Ciência de Dados por meio da atuação de cursos oferecidos pela UNICAMP, USP, UNESP, SENAI e AI2.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Gustavo Sousa Pavani - Integrante / Helio Waldman - Integrante / Nelson Luis Saldanha da Fonseca - Integrante / Adenilso da Silva Simão - Integrante / Luiz Fernando Bittencourt - Integrante / José Alberto Cuminato - Coordenador / Alexandre Xavier Falcão - Integrante / Cassio Machiaveli Oishi - Integrante / Francisco Louzada Neto - Integrante / João Paulo Papa - Integrante / Luis Gustavo Nonato - Integrante / Sergio Ferraz Novaes - Integrante / Wallace Correa de Oliveira Casaca - Integrante / Zanoni Dias - Integrante / Adriano Kamimura Suzuki - Integrante / Alexandre da Silva Saito - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Cibele Maria Russo Novelli - Integrante / Claudia Maria Bauzer Medeiros - Integrante / Dalcimar Casanova - Integrante / Daniel da Silva Motta - Integrante / Daniel Otávio Tambasco Bruno - Integrante / Edson Borin - Integrante / Fabio Augusto Faria - Integrante / Fabrício Simeoni de Sousa - Integrante / Felipe Leno da Silva - Integrante / Francisco Aparecido Rodrigues - Integrante / Franklina Maria Bragion de Toledo - Integrante / Gleici da Silva Castro Perdoná - Integrante / Guido Costa Souza de Araújo - Integrante / Hélio Pedrini - Integrante / Hervé Yviquel - Integrante / Jacques Wainer - Integrante / João Luiz Filgueiras de Azevedo - Integrante / Jorge Luis Bazan Guzman - Integrante / Kalinka Regina Lucas Jaquie Castelo Branco - Integrante / Leandro Aparecido Passos Junior - Integrante / Leandro Aparecido Villas - Integrante / Livia Souza Freire Grion - Integrante / Marco Rogério da Silva Richetto - Integrante / Marcos Medeiros Raimundo - Integrante / Marilaine Colnago - Integrante / Maristela Oliveira dos Santos - Integrante / Orlando Rosa Junior - Integrante / Pedro Jussieu de Rezende - Integrante / Raphael Mendes de Oliveira Cóbe - Integrante / Renato Candido - Integrante / Renato Vicente - Integrante / Roberto Federico Ausas - Integrante / Sandra Eliza Fontes de Avila - Integrante / Thomas Kaue Dal Maso Peron - Integrante / Vera Lucia Damasceno Tomazella - Integrante / Walter Alexandre Carnielli - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Gustavo Sousa Pavani. |
| 2. | 2024-Atual. EcoSustain: ciência de dados e computação para o meio ambiente Descrição: O projeto EcoSustain agrega um grupo interdisciplinar de pesquisadores altamente qualificados de algumas das melhores universidades brasileiras que partem de sua experiência com ciência da computação, engenharia de software, simulações, análise de dados, aprendizado de máquina, IoT, e ciências ambientais para investigar, modelar, e desenvolver soluções tecnológicas visando à criação de sistemas de software, protocolos de comunicações, serviços em rede, modelos de aprendizado de máquina etc. para monitorar a analisar ecossistemas e recursos naturais em tempo real, além de garantir a efetiva prevenção, previsão e redução dos processos de degradação ambiental causados por humanos e seu estilo de vida.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Carlos Alberto Kamienski - Integrante / Thais Batista - Integrante / Fabio Kon - Integrante / Antonio Jorge Gomes Abelém - Coordenador / Fabio Moreira Costa - Integrante / Miguel Elias Mitre Campista - Integrante / Ronaldo Alves Ferreira - Integrante. Membro: Carlos Alberto Kamienski. |
| 3. | 2024-Atual. INCT ICoNIoT: Redes de Comunicação e Internet das Coisas Inteligentes Descrição: A emergência da Inteligência Artificial (IA) como uma área fundamental para solução de problemas de difícil trato levou a sua adoção em diferentes sistemas, tais como Internet das Coisas (IoT) e redes de comunicação. O tratamento dos dados brutos gerados por sensores tem o potencial de gerar informação, conhecimento e valor agregado. A multiplicidade e diversidade das informações na operação de redes de comunicações demanda soluções possíveis derivadas somente pelo uso de IA. A presente proposta objetiva explorar a introdução de inteligência nas futuras redes de comunicações e IoT, para que se tenham redes habilitadoras de novos serviços capazes de responder às demandas complexas da Sociedade. Pretende-se adotar a metodologia de desenvolver tecnologias inteligentes inerentes ao funcionamento dessas redes e seus serviços. Ademais, a geração de massa crítica especializada possibilitará a manutenção do Estado Brasileiro na vanguarda da nova era digital e suas grandes oportunidades de geração de riquezas e bem-estar. A proposta envolve, fundamentalmente, as áreas estratégicas habilitadoras e de produção, como a Internet das Coisas, a Inteligência Artificial e as Comunicações, orientadas a produzir soluções para as áreas estratégicas a saber: de produção, indústria e serviços; de qualidade de vida; saúde; de desenvolvimento sustentável, preservação ambiental e cidades inteligentes.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Carlos Alberto Kamienski - Integrante / Lisandro Zambenedetti Granville - Integrante / Thais Batista - Integrante / Nelson Fonseca - Coordenador / Leandro Aparecido Villas - Integrante / Eduardo Cerqueira - Integrante / Luis Henrique Maciel Kosmalski Costa - Integrante / Michele Nogueira Lima - Integrante. Membro: Carlos Alberto Kamienski. |
| 4. | 2024-Atual. SmartContinuum: Smart Applications for the IoT Computing Continuum Descrição: As aplicações inteligentes para a Internet das Coisas (IoT) têm criado uma demanda por arquiteturas, infraestrutura, plataformas, modelos de desenvolvimento de software e estratégias de implantação (deployment). Mesmo em sistemas com objetivos semelhantes, a infraestrutura distribuída necessária para implementar o caminho fim a fim pode variar de acordo com características, requisitos, limitações, contextos específicos e preferências dos envolvidos (stakeholders). Adota-se aqui o termo IoTinuum (IoT Computing Continuum) para designar o contínuo geográfico e computacional que cobre o caminho horizontal fim a fim dos dados, iniciando nos sensores, passando por estágios intermediários na borda da rede (névoa, bruma) e chegando até a nuvem. O projeto SmartContinuum tem por objetivo explorar, desenvolver e avaliar os conceitos e o espaço de inovação existentes no IoTinuum Especificamente, trata de questões relacionadas à modelagem, projeto, desenvolvimento, gerenciamento e avaliação de aplicações inteligentes que operam sobre o contínuo geográfico e computacional representado pelo IoTinuum.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Carlos Alberto Kamienski - Coordenador. Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Carlos Alberto Kamienski. |
| 1. | 2023-Atual. Aplicação de Aprendizado de Máquina em Sistemas Dinâmicos e Complexos Descrição: Projeto Universal CNPq Processo 404081/2023-1 Chamada CNPq/MCTI No 10/2023 - Faixa A - Grupos EmergentesAprendizado de máquina (AM) tem chamado atenção da comunidade científica por possibilitar resolver inúmeros problemas práticos. Neste projeto, pretende-se utilizar AM em várias frentes: (a) classificação de arritmias cardíacas; (b) filtragem, equalização e mitigação de ruído em sinais caóticos; (c) processamento de sinais de voz e de áudio; (d) reconhecimento de padrões e processamento de imagens; (e) modelos gerativos para produção musical e (f) redes de difusão adaptativas. Na frente (a), pretende-se classificar arritmias cardíacas, levando-se em conta o treinamento distribuído ou centralizado. O treinamento distribuído garante a privacidade do paciente e possibilita trabalhar com grandes conjuntos de dados. Para balancear o banco de dados, pretende-se considerar data augmentation utilizando modelos gerativos como a rede gerativa adversária (generative adversarial network - GAN). Na frente (b), pretende-se usar AM para equalizar canais de comunicação em sistemas de comunicação baseados em caos, considerados como uma alternativa inovadora em problemas de comunicação ainda sem solução bem definida. Pretende-se ainda utilizar reservoir computers para melhorar a relação sinal-ruído na entrada do receptor desses sistemas e analisar a influência da filtragem linear na sua dinâmica. Na frente (c), AM será usado para explorar análise de voz, codificação de voz e de áudio, reconhecimento da fala e de outras características para obter representações adequadas desses sinais. Na frente (d), pretende-se usar AM em aplicações que exigem reconhecimento de padrões ou processamento de imagens, como é o caso de super resolução de imagens. Na frente (e), pretende-se usar modelos gerativos como a GAN para gerar música. Por fim, na frente (f), pretende-se abordar a censura e amostragem em redes de difusão adaptativas. O projeto conta com cinco pesquisadores e diversos alunos de pós-graduação da Escola Politécnica da USP.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (8) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Marcio Eisencraft - Integrante / Miguel Arjona Ramírez - Coordenador / Magno Teófilo Madeira da Silva - Integrante / Renato Candido - Integrante / Wesley Beccaro - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Marcio Eisencraft. |
| 2. | 2023-2024. Arquitetura Cognitiva Descrição: A linha de aprendizado em arquiteturas cognitivas tem como objetivo avançar o estado da arte da inteligência artificial por meio do emprego de aprendizado em agentes cognitivos. Em particular, serão analisados os desafios envolvidos no emprego de modelos de treinamento em dispositivos móveis com o intuito de melhorar a experiência do usuário com estes dispositivos. Neste cenário, diferentes paradigmas de aprendizado poderão ser empregados. Entretanto, dadas as características típicas do problema onde o agente cognitivo deve refletir as experiências de cada usuário, o treinamento de modelos baseado em Aprendizado por Reforço (AR) deve ser mais evidenciado. Entre os desafios da área temos: o projeto de funções de reforço que sejam capazes de avaliar implícita ou explicitamente a qualidade da tomada de decisão do agente e a forma de treinamento desses agentes, visto que modelos baseados em AR requerem inúmeras iterações para convergir. Por isso, a transferência de aprendizado, o offline RL e a construção de cenários simulados podem ser de grande importância.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Integrante / Leandro Villas - Coordenador. Membro: Helder May Nunes da Silva Oliveira. |
| 3. | 2023-Atual. Auxílio ao Diagnóstico Diferencial de Demência Através de Biomarcadores Baseados em Eletroencefalograma Descrição: A doença de Alzheimer (DA) é a doença neurodegenerativa mais comum entre os idosos, com declínio progressivo da função cognitiva, afetando significativamente a qualidade de vida. Prevê-se que a prevalência e os encargos emocionais e financeiros da DA sobre os pacientes, suas famílias e a sociedade cresçam significativamente no futuro próximo, devido ao aumento global da expectativa de vida ao nascer. Assim, a detecção precoce da DA torna-se uma questão de saúde pública, pois permite iniciar um tratamento que pode retardar significativamente a progressão da doença. Os biomarcadores disponíveis atualmente, incluindo ressonância magnética volumétrica (RM), tomografia por emissão de pósitrons (PET) e análise do líquido cefalorraquidiano (LCR), são caros, raramente disponíveis em unidades de saúde comunitárias e relativamente invasivos. Levando em conta seu baixo custo, ampla disponibilidade e não invasividade, a eletroencefalografia (EEG) se oferece como alternativa para rastrear as fases iniciais do declínio cognitivo em ambientes clínicos de rotina. Nesse sentido, torna-se necessário também realizar um diagnóstico diferencial da DA, que permita diferenciá-la de outras doenças neurodegenerativas. Assim, a distinção precoce entre demência devido à doença de Alzheimer (DDA) e demência com corpos de Lewy (DCL) é importante para um prognóstico preciso, pois os pacientes com DCL geralmente apresentam progressão mais rápida da doença. Por outro lado, entender a etiologia genética da DA tem sido atualmente um dos principais focos de pesquisa em doenças neurodegenerativas. Com base nestas considerações, este projeto de pesquisa está dividido em duas partes. Para a primeira parte deste projeto, relacionada com o diagnóstico diferencial da DDA e da DCL, será utilizada uma base de dados de EEG gravada em estado de repouso. Nesta primeira parte, pretende-se desenvolver, aprimorar e validar biomarcadores baseados na análise de sinais de EEG gravados em estado de repouso, para suporte ao diagnóstico precoce e diferencial de demência. Na segunda parte deste projeto, pertinente ao diagnóstico da DA considerando fatores genéticos, será usada uma base de dados de EEG gravada durante a execução de tarefas. Para esta segunda parte, serão desenvolvidos, aprimorados e validados marcadores biológicos baseados na análise de sinais de EEG gravados durante a execução de tarefas auditivas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Francisco José Fraga da Silva - Coordenador / Claudio Babiloni - Integrante / SAN-MARTIN, RODRIGO - Integrante / COMINETTI, MÁRCIA REGINA - Integrante / Sandro Mariano Silva Filho - Integrante / Kauê de Oliveira Frassao - Integrante / Pedro Machado Nery dos Santos - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Francisco José Fraga da Silva. |
| 4. | 2023-Atual. BI0S - Brazilian Institute of Data Science Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Integrante / Romis Ribeiro de Faissol Attux - Integrante / Leonardo Tomazeli Duarte - Integrante / João Marcos Travassos Romano - Coordenador / Denis Gustavo Fantinato - Integrante / Guilherme Palermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante. Membro: Ricardo Suyama. Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Kenji Nose Filho - Integrante / João Marcos Travassos Romano - Coordenador / Leonardo Tomazeli Duarte - Integrante / Romis Attux - Integrante / Denis Gustavo Fantinato - Integrante / ALINE NEVES - Integrante / André Kazuo Takahata - Integrante / Ricardo Suyama - Integrante / Murilo Bellezoni Loiola - Integrante / Filipe Ieda Fazanaro - Integrante / Claudio José Bordin Júnior - Integrante / Guilherme Palhermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante / Ana Paula Romani - Integrante / Priscyla W. T. de Azevedo Simões - Integrante. Membro: Kenji Nose Filho. Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Filipe Ieda Fazanaro - Coordenador / Ricardo Suyama - Integrante / Romis Attux - Integrante / Leonardo Tomazeli Duarte - Integrante / André Kazuo Takahata - Integrante / Denis Gustavo Fantinato - Integrante / João Marcos Travassos Romano - Integrante / Guilherme Palermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante. Membro: Filipe Ieda Fazanaro. |
| 5. | 2023-Atual. Contribuições às rectenas e ao uso da tecnologia 5G no contexto da coleta de energia de RF Descrição: Nesse projeto almeja-se contribuições em duas linhas cujas pesquisas pouco exploradas na literatura no contexto da coleta de energia de RF. A primeira versará sobre a análise do comportamento de rectenas em função da temperatura, estudando e observando a variação de desempenho, bem como propondo soluções para melhoria da transferência de potência. Por outro lado, a segunda vertente se balizará no estudo da aplicação da tecnologia 5G, com foco em Non-Orthogonal Multiple Access (NOMA).. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (2) . Integrantes: Carlos Eduardo Capovilla - Coordenador / Ivan R. S. Casella - Integrante / Vinicius Santana da Silva - Integrante / PAZ, HUMBERTO P. - Integrante / DORIA, RENAN T. - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Carlos Eduardo Capovilla. |
| 6. | 2023-2024. DATUM: distributed applications for the IoT continuum Descrição: The Internet of Things (IoT) has been increasingly popular in the last few years, using the massive amount of data generated by sensors and processed by artificial intelligence techniques. IoT Smart Applications have to deal with the inherently distributed nature of infrastructures that span over network edge and core. This IoT Computing Continuum, or IoTinuum, comprises different geographical computing stages, such as thing, mist, fog, cloudlet, cloud, and app. The IoTinuum brings additional complexity to software development due to its inherent distributed nature, the massive number of heterogeneous connected devices, and mobility patterns. In this new programmable world, software development and deployment must consider that computation can occur anywhere, with different requirements, such as privacy, latency, efficiency, cost, sustainability, dynamicity, and mobility. Current approaches to streamline software development for the IoTinuum do not adequately address the challenges of coping with the multiple computing, communication, and storage stages. The DATUM (Distributed Applications for the IoT Continuum) project aims to propose, model, and evaluate an architectural framework, use case scenarios, algorithms, and applications involving different application models, such as federated learning. Like datum is a single piece of data, a DATUM code or model is a single and logically centralized entity that can be deployed and physically distributed over various nodes in different stages of the IoTinuum. These codes or models make it possible to develop and deploy Smart Applications with diverse requirements and use cases belonging to different categories. The proposal will be evaluated by both a qualitative and quantitative analysis. The qualitative evaluation will focus on the modeling use cases: a) smart drone delivery, b) smart irrigation, and c) smart structural monitoring. The quantitative evaluation will rely on a simulation-based performance analysis using the smart drone delivery service. These evaluations will provide a deeper understanding of the tradeoffs involving the development of applications for the IoTinuum. (AU). Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Carlos Alberto Kamienski - Coordenador / FELICE, MARCO DI - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa. Membro: Carlos Alberto Kamienski. |
| 7. | 2023-2024. Métodos de inteligência artificial e de aprendizado de máquina para redes ópticas inteligentes Descrição: Técnicas de Inteligência Artificial (IA) e de Aprendizado de Máquina (ML) têm o potencial de desempenhar um papel proeminente no controle inteligente de redes ópticas por meio do oferecimento de um desempenho aprimorado sobre métodos tradicionais. Isso é de fundamental importância, uma vez que as redes ópticas constituem as bases de muitos dos sistemas de comunicação atuais. Neste projeto, nós propomos a investigação de modelos de Aprendizado Supervisionado (SL) aplicado aos problemas de Qualidade de Transmissão (QoT) e Monitoramento do Desempenho Óptico (OPM). Esses modelos podem ser usados para estimar e prever a qualidade de transmissão de caminhos ópticos, ou para prover uma detecção antecipada de anomalias que podem afetar a qualidade de transmissão dos caminhos ópticos na rede. Nós também investigamos, pela primeira vez, o roteamento em Redes Ópticas sem Filtros (FON) equipadas com comutadores ópticos programáveis com o uso de algoritmos de Otimização por Colônia de Formigas (ACO). Com efeito, o algoritmo ACO foi empregado com sucesso em diferentes arquiteturas ópticas, como as redes comutadas por comprimento de onda ou as redes elásticas. Nesse contexto, o algoritmo ACO pode ser considerado um candidato adequado para o controle da FON. Finalmente, este projeto estabelece uma nova colaboração internacional com o grupo de pesquisa liderado pela Prof. Christine Tremblay na ÉTS-Montreal.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Sousa Pavani - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa. Membro: Gustavo Sousa Pavani. |
| 8. | 2023-Atual. Normalização de corantes H&E por autocodificadores com análises de ensemble learning para imagens histológicas Descrição: Diagnósticos de câncer podem ser confirmados por análises computacionais e visuais de imagens histológicas. Entretanto, variações de cores dessas imagens podem prejudicar o desempenho de métodos computacionais. Técnicas de normalização podem ser utilizadas para corrigir essas variações provocadas pelo processo de coloração de tecidos com corantes de Hematoxilina-Eosina (H&E), comumente utilizados em práticas clínicas reais. Alguns desafios em trabalhos da literatura tornam ainda necessário o desenvolvimento de novas propostas para o aprimoramento da normalização. Para isso, propriedades biológicas dos corantes e dos tecidos devem ser utilizadas para permitir uma interpretação biológica válida dessas propostas, e informações contextuais também devem ser consideradas, pela dependência espacial de estruturas histológicas. Assim, neste projeto é apresentada uma proposta para investigar métodos de correspondência espectral que promovam a integração entre esses conceitos com o uso de autocodificadores para a normalização de imagens histológicas H&E. Esta proposta será avaliada em imagens histológicas de diferentes tipos de câncer com evidentes variações de cores, a serem mapeadas e identificadas por uma revisão sistemática. Além disso, é esperado que o uso dessa metodologia contribua para as etapas de processamento de sistemas de apoio a diagnósticos. Nessa avaliação, almeja-se obter melhores resultados com o uso da normalização nas etapas de extração de características e classificação de imagens histológicas. Para isso, este projeto propõe utilizar atributos fractais com diferentes representações, tais como LIME e Grad-CAM. Essas estratégias permitem maior interpretabilidade dos atributos extraídos, com possíveis ganhos na classificação das imagens. Além disso, essas representações serão utilizadas por redes de aprendizagem profunda a fim de avaliar seu desempenho via diferentes modelos de ensemble learning no processo de predição de classes das imagens.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . Integrantes: Marcelo Zanchetta do Nascimento - Integrante / Leandro Alves Neves - Integrante / thaina A A Tosta - Coordenador / Paulo Azevedo-Marques - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Marcelo Zanchetta do Nascimento. |
| 9. | 2023-Atual. Pesquisa interdisciplinar de técnicas de aprendizado de máquina e inteligência artificial para desenvolvimento de tecnologias de processamento de sinais, imagens e linguagem natural Descrição: Este projeto tem como objetivo consolidar grupo de pesquisa interdisciplinar com pesquisadores da área da engenharia de informação, engenharia biomédica, linguística, computação e medicina, capaz de desenvolver aplicações de aprendizado de máquina e inteligência artificial na realização de processamento de sinais, imagens e linguagem natural. A pesquisa se dará em frentes de pesquisa que já vem sendo realizadas pelo proponente como utilização de técnicas de aprendizado de máquina para extração de biomarcadores de Doença de Parkinson a partir de sinais de potencial de campo local (LFP) adquirido durante cirurgia de implantação de dispositivo de estimulação cerebral profunda (DBS) e utilização de redes neurais profundas em tomografia de impedância elétrica para auxílio a diagnóstico de acidente vascular cerebral (AVC). Além disso, na linha de pesquisa em processamento de linguagem natural será abordada a caracterização de textos sobre COVID-19, com objetivo de se identificar palavras biomédicas automaticamente com uso de redes neurais profundas, e serão estudados voicebots para plataformas de telemonitoramento de pacientes baseado em cuidado híbrido. (AU). Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Integrante / Margarethe Born Steinberger-Elias - Integrante / André Kazuo Takahata - Coordenador / Diogo Coutinho Soriano - Integrante / Celso Setsuo Kurashima - Integrante / Priscyla Waleska Targino de Azevedo Simões - Integrante / Fernando Silva de Moura - Integrante / Lilan Berton - Integrante / Maria Sheila Guimarães Rocha - Integrante / Fabio Luiz Franceschi Godinho - Integrante. Membro: Ricardo Suyama. |
| 10. | 2023-Atual. Privacidade e segurança de sistemas de detecção de intrusão IoT por meio de aprendizado federado Descrição: A transmissão de informações na era da Internet das Coisas (IoT), altamente empregada em diversas áreas dos empreendimentos humanos, tornou-se uma questão de grande importância. A privacidade e segurança de sistemas IoT tornaram-se agora áreas cruciais de pesquisa, considerando o número crescente de vulnerabilidades que atacantes exploram para infligir danos a esses sistemas. Aprendizado de máquina (ML) e aprendizado profundo (DL) usam abordagens de aprendizado centralizado no desenvolvimento de modelos para segurança de IoT. Apesar do desempenho do processo de aprendizagem centralizado, grandes preocupações como privacidade, propriedade dos dados e altos custos computacionais ainda existem. O aprendizado federado (FL) é um método introduzido recentemente para abordar os pontos fracos observados no aprendizado centralizado, em que dados sensíveis de IoT para desenvolvimento de modelos são armazenados em um sistema. FL oferece as vantagens de manter a privacidade dos dados do cliente, fornecendo transmissão de dados segura e reduzindo a largura de banda da rede, entre outros. No entanto, várias questões como eficiência de comunicação, privacidade de dados, explicabilidade, resposta em tempo real e escalabilidade de FL, ainda representam desafios para a implantação dos modelos de sistema de detecção de intrusão (IDS) baseados em FL. O objetivo desta proposta é propor técnicas para IDS com soluções otimizadas para privacidade e eficiência de comunicação de rede no contexto de IoT. A solução proposta envolve aprimorar algoritmos e modelos por meio de compressão e técnicas de quantização, que abordam o custo indireto de comunicação e melhoram interações entre dispositivos. Além disso, serão analisadas medidas centradas na privacidade, como privacidade diferencial e computação segura multiparty. Para garantir a aplicabilidade no mundo real, serão explorados também algoritmos de inteligência artificial explicável (XAI) no contexto do aprendizado federado, destacando sua funcionalidade em tempo real.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: João Henrique Kleinschmidt - Coordenador / OKEY, OGOBUCHI DANIEL - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de SP - Bolsa. Membro: João Henrique Kleinschmidt. |
| 11. | 2023-Atual. Redes de Comunicação e Internet das Coisas Inteligentes - INSTITUTOS NACIONAIS DE CIÊNCIA E TECNOLOGIA - INCT Descrição: A simbiose entre a computação e a comunicação faz com que as atuais arquiteturas de redes de comunicação incluam elementos computacionais, tornando-as sistemas que processam e transmitem dados. Outra característica marcante das redes de comunicação é a incorporação da inteligência na borda, na rede de acesso e no núcleo da rede, o que vai muito além da execução de algoritmos de aprendizado de máquina com dados gerados pelos usuários e sensores. Se o emprego de IA em redes de comunicação se encontra em estágio incipiente, ela será um elemento fundamental nas futuras redes 6G.Para se alcançar os objetivos propostos, o projeto científico do INCT define linhas temáticas para enfrentar os desafios científicos, tecnológicos e de inovação. As linhas do INCT são: internet das coisas, IA, computação de borda, redes 5G/6G, redes ópticas de acesso, virtualização de redes, redes veiculares, segurança, cidades inteligentes, saúde digital, indústria e preservação ambiental. O grande número de dispositivos conectados à Internet das Coisas exige a manipulação de um alto volume de dados gerados por milhares de sensores, requerendo soluções que atendam requisitos de escalabilidade, distribuição geográfica, mobilidade, heterogeneidade, segurança e privacidade. A heterogeneidade de dispositivos, conexões intermitentes e a diversidade de estrutura de dados gerados por sensores são algumas das restrições tecnológicas para a implantação de uma IoT pervasiva. Outros fatores de capital importância a serem observados são a computação orientada à localidade dos dados e o alto volume de dados a serem transmitidos na rede. A alocação adaptativa e a orquestração de recursos são desafios a serem superados em redes IoT de larga escala com milhares de sensores. Atualmente, a execução de algoritmos de aprendizado de máquina é tipicamente em lote, ?offline? e centralizada. O gerenciamento de redes e seus serviços requer execução em massa de dados distribuídos e em tempo real. Em diversas situações, a validade temporal dos dados gerados é limitada, demandando a redução da latência na comunicação e processamento. Ademais, a transmissão de dados em ambiente distribuído está sujeita à qualidade dos canais de comunicação, ao congestionamento da rede e à energia disponível nos dispositivos móveis. Uma forte restrição adicional decorre da adoção da nova Lei Geral de Proteção de Dados -LGPD. A restrição de privacidade de dados é endereçada pela técnica de aprendizado federado. No entanto, inúmeros são os desafios em aprendizagem federado, tais como a caracterização da elegibilidade de clientes a participarem do aprendizado e o assincronismo nas transmissões de dados. A computação na borda consiste em trazer serviços oferecidos pelas nuvens computacionais para a borda da rede, mitigando os longos atrasos para acessar servidores em nuvens computacionais. Dispositivos na borda são tipicamente heterogêneos e possuem recursos limitados. Além disso, ainda não existem modelos abrangentes e tecnologias maduras para a orquestração inteligente e o ajuste dinâmico de recursos físicos ou virtualizados, de modo a satisfazer os requisitos de QoS em condições de rede e carga de trabalho variáveis. A generalização do processamento borda-nuvem inclui dispositivos localizados na rede de acesso e no núcleo, em um contínuo de recursos entre borda e nuvem. A alocação de recursos nesse contínuo requer soluções complexas e adaptativas, possíveis somente pelo uso de IA. Ademais, a execução de algoritmos de IA na borda da rede, a chamada inteligência na borda, traz diversos desafios quanto à redução da necessidade de comunicação de dados e a redução do consumo de energia. A recente tecnologia de redes celulares 5G possibilitará uma infinidade de aplicações com requisitos estritos de latência e alta demanda de banda passante. A adoção de virtualização de redes e computação de borda.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Integrante / Nelson Luis Saldanha da Fonseca - Coordenador. Membro: Helder May Nunes da Silva Oliveira. |
| 12. | 2023-Atual. SMART NEtworks and ServiceS for 2030 (SMARTNESS) Descrição: The SMARTNESS Engineering Research Center (ERC) targets developing cutting-edge advances in communication networks and digital application services scoped in strategic areas where significant scientific and technological impacts can be achieved towards 2030, in collaboration with the cloud and networking research communities. As 5G releases roll-out and the vision on 6G is being developed, SMARTNESS's main challenge is how to engineer (i.e., design and operate) cloud computing and network infrastructures with the adequate capabilities to empower next-generation Internet services and applications. The scope of end-to-end Internet-scale services is exceptionally broad and requires contributions from various disciplines along with large capital and human resource investments. However, the ongoing digital transformation in vertical industries and a shift towards open source network softwarization and disaggregation of infrastructures at multiple levels and protocol stack layers have opened well-scoped opportunities for accelerated innovation at unprecedented entry barriers for research enterprises based on academic and industrial partnerships. Cloud computing and network infrastructures are increasingly becoming more multidisciplinary, requiring system-oriented end-to-end views that leverage advances in hardware (HW) for computing and networking, modern software (SW) architectures, machine intelligence (AI/ML), user interfaces, "as a Service'' consumption and new business models, among other engineering disciplines (e.g., energy efficiency and design for security). SMARTNESS aims at exploiting well-thought-out opportunities through a proper methodology based on the confluence of parallel research strands (RS) tailored for successful impact research and innovation at world-class levels towards the realization of challenging use cases in Internet scenarios for industry and society with a 2030 horizon view.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Carlos Alberto Kamienski - Integrante / Christian Esteve Rothenberg - Coordenador. Membro: Carlos Alberto Kamienski. |
| 13. | 2023-Atual. Suporte ao Diagnóstico Precoce e Diferencial de Demência por meio de Biomarcadores baseados em EEG Descrição: A doença de Alzheimer (DA) é a doença neurodegenerativa mais comum entre os idosos, com declínio progressivo da função cognitiva, afetando significativamente a qualidade de vida. Prevê-se que a prevalência e os encargos emocionais e financeiros da DA sobre os pacientes, suas famílias e a sociedade cresçam significativamente no futuro próximo, devido ao aumento global da expectativa de vida ao nascer. Assim, a detecção precoce da DA torna-se uma questão de saúde pública, pois permite iniciar um tratamento que pode retardar significativamente a progressão da doença. Os biomarcadores disponíveis atualmente, incluindo ressonância magnética volumétrica (RM), tomografia por emissão de pósitrons (PET) e análise do líquido cefalorraquidiano (LCR), são caros, raramente disponíveis em unidades de saúde comunitárias e relativamente invasivos. Levando em conta seu baixo custo, ampla disponibilidade e não invasividade, a eletroencefalografia (EEG) se oferece como alternativa para rastrear as fases iniciais do declínio cognitivo em ambientes clínicos de rotina. Nesse sentido, torna-se necessário também realizar um diagnóstico diferencial da DA, que permita diferenciá-la de outras doenças neurodegenerativas. Assim, a distinção precoce entre demência devido à doença de Alzheimer (DDA) e demência com corpos de Lewy (DCL) é importante para um prognóstico preciso, pois os pacientes com DCL geralmente apresentam progressão mais rápida da doença. Além disso, na linha de procurar um diagnóstico realmente antecipado, o comprometimento cognitivo leve (CCL) tem se mostrado um importante fator de risco no desenvolvimento de ambas as doenças. Por outro lado, entender a etiologia genética da DA tem sido atualmente um dos principais focos de pesquisa em doenças neurodegenerativas. Embora já tenham sido relatados diversos marcadores genéticos para a DA, até o momento, o alelo #949;4 do gene da Apolipoproteína E (APOE) foi o marcador que mostrou a associação mais consistente com a DA de início tardio. Com base nestas considerações, este projeto de pesquisa está dividido em duas partes. Para a primeira parte deste projeto, relacionada com o diagnóstico diferencial da DDA e da DCL, será utilizada uma base de dados de EEG gravada em estado de repouso. Esta base é composta por dados de 90 indivíduos que fazem de um arquivo internacional contendo dados clínicos, neuropsicológicos e eletrofisiológicos usados em estudos anteriores por um consórcio europeu denominado PDWAVES. Nesta primeira parte, pretende-se desenvolver, aprimorar e validar biomarcadores baseados na análise de sinais de EEG gravados em estado de repouso, para suporte ao diagnóstico precoce e diferencial da DDA, da DCL e do CCL em ambas. Na segunda parte deste projeto, pertinente ao diagnóstico da DA considerando fatores genéticos, será usada uma base de dados de EEG gravada durante a execução de tarefas auditivas, composta por 83 participantes idosos recrutados em Rio Claro, SP, Brasil. Para esta segunda parte, serão desenvolvidos, aprimorados e validados marcadores biológicos baseados na análise de sinais de EEG gravados durante a execução de tarefas, a fim de diferenciar entre idosos portadores e não portadores do alelo #949;4 do gene da apolipoproteína E (APOE4), diagnosticados ou não com Doença de Alzheimer.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Francisco José Fraga da Silva - Coordenador / Claudio Babiloni - Integrante / SAN-MARTIN, RODRIGO - Integrante / COMINETTI, MÁRCIA REGINA - Integrante / Sandro Mariano Silva Filho - Integrante / Kauê de Oliveira Frassao - Integrante / Pedro Machado Nery dos Santos - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Francisco José Fraga da Silva. |
| 1. | 2022-Atual. Aplicações de machine learning para redes ópticas avançadas Descrição: Os novos serviços digitais que foram popularizados nos últimos anos, como streaming de vídeo,computação em nuvem, e videochamadas em grupo, geraram um aumento expressivo na demanda detransmissão de dados. As redes de transporte, que canalizam fluxos em altas taxas de transmissão entre regiões diferentes de uma cidade ou entre cidades, são especialmente impactadas. Para suprir essa demanda são necessários a ampliação da infraestrutura baseada em fibras ópticas, única tecnologia capaz de atender taxas de transmissão acima de 1Tbps em longas distâncias, bem como o melhor aproveitamento das infraestruturas existentes. São grandes os desafios relacionados à complexidade de problemas envolvendo as diversas estratégias e tecnologias para atingir estas elevadas taxas de transmissão. Consideram-se utilizar outras bandas de transmissão no domínio óptico, evitando o desperdício de banda nos sistemas implantados, e a implantação de multiplexação espacial (space division multiplexing - SDM). Existem diversas possibilidades de ampliaçãode capacidade das redes respeitando o nível de resiliência requerido e a qualidade de transmissão para assegurar altas taxas, seja utilizando bandas de transmissão alternativas, seja pela implantação de fibras ópticas avançadas com canais espaciais paralelos. Neste cenário, os modelos de aprendizado de máquina despontam alternativa viável para lidar com a crescente complexidade das redes e sistemas de comunicação óptica. De fato, eles aparecem como ferramentas importantes para as mais diversas tarefas, como modelamento de dispositivos,estimação de parâmetros, alocação de recursos e mitigação de degradações. Este projeto tem como propósito eunir pesquisadores de São Paulo e Pernambuco, que já atuam independentemente na área, em um ambiente sinérgico de colaboração. Espera-se, assim, incorporar novas técnicas de aprendizado de máquina às redes ópticas de comunicação, com atenção especial às redes elásticas SDM e multibanda, resultando em sistemas mais eficientes, sustentáveis e com maior capacidade de transmissão.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Integrante / Nelson Luis Saldanha da Fonseca - Integrante / Darli Augusto de Arruda Mello - Coordenador / Daniel Augusto Ribeiro Chaves - Integrante / Gustavo Sousa Pavani - Integrante / Helio Waldman - Integrante / Joaquim Ferreira Martins Filho - Integrante / Leonardo Didier Coelho - Integrante / Raul Camelo de Andrade Almeida Junior - Integrante / Carmelo Bastos-Filho - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Helder May Nunes da Silva Oliveira. Descrição: Os novos serviços digitais que foram popularizados nos últimos anos, como streaming de vídeo, computação em nuvem, e videochamadas em grupo, geraram um aumento expressivo na demanda de transmissão de dados. As redes de transporte, que canalizam fluxos em altas taxas de transmissão entre regiões diferentes de uma cidade ou entre cidades, são especialmente impactadas. Para suprir essa demanda são necessários a ampliação da infraestrutura baseada em fibras ópticas, única tecnologia capaz de atender taxas de transmissão acima de 1Tbps em longas distâncias, bem como o melhor aproveitamento das infraestruturas existentes. São grandes os desafios relacionados à complexidade de problemas envolvendo as diversas estratégias e tecnologias para atingir estas elevadas taxas de transmissão. Consideram-se utilizar outras bandas de transmissão no domínio óptico, evitando o desperdício de banda nos sistemas implantados, e a implantação de multiplexação espacial (Space Division Multiplexing - SDM). Existem diversas possibilidades de ampliação de capacidade das redes respeitando o nível de resiliência requerido e a qualidade de transmissão para assegurar altas taxas, seja utilizando bandas de transmissão alternativas, seja pela implantação de fibras ópticas avançadas com canais espaciais paralelos. Neste cenário, os modelos de aprendizado de máquina despontam alternativa viável para lidar com a crescente complexidade das redes e sistemas de comunicação óptica. De fato, eles aparecem como ferramentas importantes para as mais diversas tarefas, como modelamento de dispositivos, estimação de parâmetros, alocação de recursos e mitigação de degradações. Este projeto tem como propósito reunir pesquisadores de São Paulo e Pernambuco, que já atuam independentemente na área, em um ambiente sinérgico de colaboração. Espera-se, assim, incorporar novas técnicas de aprendizado de máquina às redes ópticas de comunicação, com atenção especial às redes elásticas SDM e multibanda, resultando em sistemas mais eficientes, sustentáveis e com maior capacidade de transmissão.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Sousa Pavani - Integrante / Helio Waldman - Integrante / Nelson Luis Saldanha da Fonseca - Integrante / Darli Augusto de Arruda Mello - Coordenador / Daniel Augusto Ribeiro Chaves - Integrante / Helder May Nunes da Silva Oliveira - Integrante / Joaquim Ferreira Martins Filho - Integrante / Leonardo Didier Coelho - Integrante / Raul Camelo de Andrade Almeida Júnior - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco - Auxílio financeiro. Membro: Gustavo Sousa Pavani. |
| 2. | 2022-Atual. Centro de Ciência, Tecnologia e Desenvolvimento para inovação em Medicina e Saúde: inLab.iNova Descrição: Este documento trata do Projeto de Pesquisa sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados (big data), inteligência artificial, modelos preditivos, terapias avançadas para diagnóstico, prevenção e tratamento de doenças crônicas a ser realizado pelo Inova HC, Núcleo de Inovação Tecnológica do Hospital das Clínicas da Faculdade de Medicina da USP. A área de Medicina e Saúde é um campo científico essencial para o desenvolvimento da sociedade e evolução da humanidade. A recente pandemia mundial demonstrou quão fundamental e necessário é o desenvolvimento de novos métodos e técnicas para diagnóstico e terapêutica que permitam soluções rápidas e eficazes para os problemas de saúde. A aplicação de técnicas de Inteligência Artificial (IA) em Medicina e Saúde tem o potencial de aprimorar, agilizar e automatizar o diagnóstico e tratamento de algumas das principais doenças que afligem a humanidade. Neste aspecto, esta inovação permitirá um salto científico e tecnológico que poderá beneficiar milhares de pessoas e pacientes. Objetivos: Realizar pesquisas básicas e aplicadas orientadas a problemas, buscando produzir riquezas para o Brasil e contribuir para a garantia de direitos e qualidade de vida dos brasileiros; Realizar projetos em parceria com órgãos governamentais e não governamentais; Gerar Startups ou Spin-offs que incorporem resultados de pesquisas desenvolvidas pelo Centro em seus produtos ou serviços; Contribuir de forma substancial à formação de mão-de-obra qualificada nos níveis técnicos, tecnólogos, bacharéis e de pós-graduação lato e/ou stricto sensu na área de Inteligência Artificial aplicada nas áreas temáticas de Medicina e Saúde; Focar em pesquisa avançada científica e tecnológica comum, articulador das atividades de pesquisa a serem desenvolvidas, que é o campo de Inteligência Artificial em Medicina e Saúde. Neste projeto visamos implantar um Centro de Ciência para Desenvolvimento (CCD) de Pesquisas sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados (big data), inteligência artificial, modelos preditivos, terapias avançadas para diagnóstico, prevenção e tratamento de doenças crônicas na área de Saúde. O projeto é feito em conjunto entre a Faculdade de Medicina da USP (FMUSP), o Hospital das Clínicas da FMUSP (HC), o Instituto de Radiologia do HC (InRad), a Escola Politécnica de Engenharia da USP (POLI). Esta parceria visa implementar plataformas, desenvolver métodos e criar novos algoritmos para apoio ao diagnóstico e terapêutica em Medicina e gestão em Saúde. O HCFMUSP atende cerca de 1,5 milhão de pacientes por ano. É o maior complexo de Medicina da América do Sul. Está vinculado à Secretaria da Saúde do Estado de São Paulo, responsável por uma população de 44 milhões de pessoas, para fins assistenciais. Está vinculado e à FMUSP para fins de ensino e pesquisa. A FMUSP possui 1.000 alunos de graduação e 2.000 de pós-graduação. A Pós-graduação stricto sensu da FMUSP é composta por 27 programas nos níveis de Mestrado Acadêmico, Mestrado Profissional e Doutorado, voltados à formação de pesquisadores e docentes de ensino superior. Possui aproximadamente 500 orientadores credenciados e protagoniza importante papel na produção científica do País, com publicações em periódicos de alto impacto em nível nacional e internacional. A Escola Politécnica de Engenharia da USP possui uma quantidade de alunos de graduação e pós-graduação equivalentes à Faculdade de Medicina. Estão previstos cursos de graduação e pós-graduação, em ambas as faculdades, pela USP. Esta plataforma tem o potencial de ser utilizada em unidades do SUS Sistema Único de Saúde. Primeiramente, pretendemos oferecer à SES-SP Secretaria de Saúde do Estado de São Paulo, e para todas as unidades federativas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: André Kazuo Takahata - Coordenador / SUYAMA, RICARDO - Integrante / Lilian Berton - Integrante / Antonio Valerio Netto - Integrante / Giovanni Guido Cerri - Integrante / Leandro Nunes de Castro Silva - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: André Kazuo Takahata. |
| 3. | 2022-Atual. Detecção de Lesões da Cavidade Bucal por Abordagens em Multiresolução e Aprendizagem Profunda Descrição: Com objetivo de contribuir para área de desenvolvimento de soluções computacionais que possam melhorar a qualidade de vida de pessoas afetadas por esse tipo de doença, este projeto propõe desenvolver um sistema para análise e classificação de alterações de lesões da cavidade bucal como displasias, carcinomas in situ e carcinomas. Nessa proposta será investigado a representatividade por técnica não linear. Essas informações extraídas e representadas em modelos 2D que serão investigados em relação a descrição de informações relevantes das lesões. Essas informações serão avaliadas com algoritmo de classificação baseado em base polinomial. O resultado pretendido é um sistema de auxílio ao diagnóstico capaz de classificar as lesões presentes na cavidade bucal das imagens histológicas. Esse projeto permitirá avançar em colaborações científicas de abordagem interdisciplinar entre as áreas de computação e medicina.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Marcelo Zanchetta do Nascimento - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Marcelo Zanchetta do Nascimento. |
| 4. | 2022-Atual. Efeitos de fosforilação e mecanismos moleculares envolvidos com hDAT e o transporte de dopamina (absorção e efluxo)e as interações com CaMKII Descrição: . Este projeto visa compreender os mecanismos moleculares envolvidos no transporte do metabolismo da dopamina por meio várias técnicas de simulação com métodos híbridos MDeNM que integrados que combinam NMA (usando ENMs ou modelos atômicos completos), dinâmica molecular e dados experimentais de técnicas biofísicas. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: Ana Ligia Barbour Scott - Coordenador / David Parahia - Integrante / Roberto Carlos Navarro - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Ana Ligia Barbour Scott. |
| 5. | 2022-Atual. Explorando técnicas de Inteligência Artificial para o Processamento de Sinais Descrição: A grande evolução na área de inteligência artificial (IA), especialmente a partir da década de 2000, está associada a resultados impactantes decorrentes da utilização de abordagens de aprendizado baseado em estruturas ditas profundas, até então pouco utilizadas devido à sua alta complexidade computacional. Desde então, esta abordagem vem ocupando uma posição de destaque na pesquisa em IA e, naturalmente, a área de processamento de sinais tem se beneficiado com o desenvolvimento de novas técnicas que aliam as técnicas previamente desenvolvidas a novas ferramentas de inteligência artificial. Conforme amplamente demonstrado na literatura, a aplicação destes novos paradigmas, tem resultado, via de regra, em ganhos relevantes de desempenho. Entretanto, em geral, as técnicas apresentam um elevado custo computacional, além de exigir uma grande quantidade de dados para o treinamento das estruturas, evidenciando que ainda existem diversas questões importantes a serem investigadas na área.No presente projeto, pretende-se dar continuidade à pesquisa já iniciada na área, buscando técnicas de processamento de sinais baseadas em IA, tendo como referência o problema geral de separação de fontes. Os trabalhos devem se desenvolver em três frentes de pesquisa: Investigação de algoritmos baseados em IA para problema de separação de sinais, com particular interesse por métodos capazes de estimar os sinais de maneira não-supervisionada; Investigação de métodos baseados em IA para o melhoramento de sinais, buscando explorar estruturas flexíveis e formas de incorporar informação a priori sobre o problema para minimizar a necessidade de dados para treinamento e o custo computacional envolvido; e Investigação sobre métodos de machine learning em problemas inversos, que explorem características dos dados para realizar a regularização, explícita ou implicitamente, do problema de otimização associado.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Coordenador. Membro: Ricardo Suyama. |
| 6. | 2022-2023. Sistema IoT-Cloud de Medição Centralizada de Energia Voltado a Rede CEA Descrição: de fraudes de consumo elétrico baseado no perfil da média de consumidores na rede. A solução apresentada neste projeto reflete o estado da arte em coleta, análise e detecção de consumo elétrico em uma rede real, em diferentes lugares do Brasil e perfis de consumo. Esta metodologia utiliza o que há de melhor e mais moderno na detecção destas fraudes utilizando algoritmos e técnicas de Machine Learning, Redes Neurais Convolucionais (CNNs), e Deep Learning, onde é possível detectar diferentes tipos de perdas energéticas não técnicas (geralmente fruto de furto) e tratar um grande volume de dados coletados a fim de prover informações para inspeção da rede de distribuição.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Integrante / NETO, AUGUSTO - Integrante / Eduardo Coelho Cerqueira - Integrante / Denis Lima do Rosário - Coordenador. Membro: Helder May Nunes da Silva Oliveira. |
| 1. | 2021-Atual. Adjuvant for COVID-19: Drug repurposing and discovery of plant based novel therapeutics/adjuvants with anti-inflammatory and immunostimulatory properties. Descrição: Vários tipos de vírus se multiplicam no hospedeiro sem causar danos graves, incluindo aqueles capazes de causar doenças. Mas, em alguns casos, a resposta do hospedeiro pode causar efeitos fisiopatológicos importantes, que podem ser relativamente inespecíficos ou mais direcionados pela resposta imune humoral e/ou celular. É geralmente conhecido que os macrófagos fazem parte de uma população de células do sistema imune inato que responde a agentes microbianos pela produção de moléculas inflamatórias que matam os patógenos e promovem a reparação dos tecidos. No entanto, uma resposta inadequada dessas células pode levar a danos ao próprio indivíduo, como pode ser visto na Página síndrome de ativação macrofágica induzida por infecções graves, incluindo aquelas relacionadas ao SARS-CoV-2. A ocorrência e evolução do COVID-19 depende da interação entre o vírus e o sistema imunológico de cada indivíduo. Portanto, a identificação de agentes imunomoduladores capazes de manter uma resposta imune controlada e ao mesmotempo responder adequadamente aos patógenos são de grande interesse neste momento de pandemia. Este projeto de pesquisa propõe unir estudos in silico (docking molecular, triagem virtual, modelagem molecular, simulações de dinâmica molecular, análise de modos normais, etc.) e in vitro (experimentos de interação imunológica e biofísica contra alvos validados e ensaios de inibição viral) para identificar moléculas de origem vegetal, ou compostos sintéticos semelhantes a essas substâncias naturais, com propriedades antiinflamatórias e imunomoduladoras contra COVID-19 ou SARS-CoV-2. Espera-se que o resultado direto deste projeto seja a aquisição de informações que permitirão um melhor entendimento da estrutura / função de proteínas-chave na infecção por SARS-CoV-2 que podem auxiliar na formulação de candidatos a fármacos para auxiliar no tratamento. de COVID-19. A complementaridade e interdisciplinaridade dos grupos pode ser muito produtiva para desenvolver o projeto.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (2) . Integrantes: Ana Ligia Barbour Scott - Coordenador / Eric Allison Philot - Integrante / Angelo José Magro - Integrante / Marcelo Hill - Integrante / Ignacio Generale - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Ana Ligia Barbour Scott. |
| 2. | 2021-Atual. BI0S - Brazilian Institute of Data Science Descrição: Acordos de Cooperação / MCTIC/CGI - Cooperação Científica e Tecnológica entre FAPESP e MCTIC / MCTIC/CGI - CPA - Chamada de Propostas (2019). Processo 2020/09838-0.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Claudio José Bordin Júnior - Coordenador / João Marcos Travassos Romano - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Claudio José Bordin Júnior. Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolos, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: André Kazuo Takahata - Integrante / ROMANO, JOAO MARCOS TRAVASSOS - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: André Kazuo Takahata. |
| 3. | 2021-Atual. Brazilian Institute of Data Science Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo contribuir com o desenvolvimento científico-tecnológico e social em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Murilo Bellezoni Loiola - Integrante / João Marcos Travassos Romano - Coordenador / Ricardo Suyama - Integrante / Lopes, R. R. - Integrante / Ferrari, R. - Integrante / Aline de Oliveira Neves Panazio - Integrante / Renato Machado - Integrante / Leonardo Tomazeli Duarte - Integrante / Cristiano Torezzan - Integrante / Filipe Ieda Fazanaro - Integrante / Claudio José Bordin Júnior - Integrante / André Kazuo Takahata - Integrante / Levy Boccato - Integrante / Luiz Henrique Antunes Rodrigues - Integrante / Denis Gustavo Fantinato - Integrante / Henrique N. Sá Earp - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Murilo Bellezoni Loiola. Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo contribuir com o desenvolvimento científico-tecnológico e social em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Aline de Oliveira Neves Panazio - Integrante / Joao Marcos Travassos Romano - Coordenador / Ricardo Suyama - Integrante / Leonardo Tomazelli Duarte - Integrante / Romis Attux - Integrante / Murilo Bellezoni Loiola - Integrante / Denis Fantinato - Integrante / André Kazuo Takahata - Integrante / Claudio José Bordin Junior - Integrante / Henrique N. Sá Earp - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Aline de Oliveira Neves Panazio. |
| 4. | 2021-2023. Comunicação e Provisionamento de Recursos em Redes Ópticas Descrição: Com o crescimento exponencial do tráfego na Internet, operadoras de comunicação são compelidas a fornecer soluções de conectividade de alta capacidade, custo-benefício, e confiabilidade, para atender aos requisitos de Qualidade de Serviço das aplicações. No entanto, as redes ópticas monomodo, que compõem o núcleo da Internet, atingiram o limite físico de transmissão, impulsionando a adoção da multiplexação por divisão espacial. A maior parte dos requisitos para a implantação destas redes são desafios em aberto, como por exemplo: algoritmos de seleção de caminho óptico, técnicas de proteção, impacto de diafonia entre núcleos, utilização de diferentes tipos de modulação, quantidade adequada de núcleos por fibra, alocação de recursos, complexidade dos comutadores, agregação de tráfego e consumo energético. Assim, o problema crucial a ser endereçado por este projeto de pesquisa é a implementação de mecanismos para a viabilização da implantação de redes ópticas elásticas com multiplexação por divisão espacial com intuito de incrementar a capacidade do núcleo da Internet.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Coordenador / CERQUEIRA, EDUARDO - Integrante / FONSECA, NELSON - Integrante / Leandro Villas - Integrante / Denis Rosário - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Helder May Nunes da Silva Oliveira. |
| 5. | 2021-Atual. Contribuições ao projeto de rectenas, arranjo de antenas para rectenas e arranjo de rectenas no contexto de coleta de energia de RF Descrição: Projeto em cooperação internacional junto ao grupo de pesquisa liderado pelo prof. Mustapha C. E. Yagoub na Ottawa University em projeto de circuitos de RF, antenas e micro-ondas. Tal projeto está englobado no contexto da coleta de energia de RF, com foco principal em Projeto de rectenas, arranjo de antenas para rectenas e arranjo de rectenas. A cooperação já resultou em inúmeras interações, apresentações de trabalhos, propostas de intercâmbio de alunos e debates entre os grupos de pesquisa. Dada à expertise do professor Mustapha C. E. Yagoub na área de micro-ondas, a cooperação em pesquisa está gerando a possibilidade de desenvolvimento de novas e promissoras linhas de trabalho por meio de esforços em conjunto. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (2) . Integrantes: Carlos Eduardo Capovilla - Coordenador / CASELLA, I.R.S. - Integrante / Vinicius Santana da Silva - Integrante / TREVISOLI, RENAN - Integrante. Membro: Carlos Eduardo Capovilla. |
| 6. | 2021-2024. COSMIC-SWAMP: IoT Enabled Cosmic Ray Sensors for Irrigation Monitoring Descrição: Approximately 70 of fresh water usage worldwide is for irrigation purposes, therefore the adoption of novel irrigation approaches such as IoT enabled precision irrigation has the potential to improve resource efficiency within the agricultural sector, and build resilience to climate change related water shocks at a global level. One difficulty in adopting smart irrigation farming practices comes from a lack of efficient methods to continuously monitor soil moisture within the root zone with high precision. Up until the last decade, measurements have typically relied on traditional invasive point scale sensors, or satellite data for continuous monitoring. The challenge with both of these monitoring methods is that they do not provide an optimal solution for the measurement scales required for irrigation farming, with many point probes required to accurately account for soil heterogeneity over even a modest size site, and satellite data being too coarse a resolution for data-driven precision irrigation to be a viable option. Cosmic Ray Neutron Sensing (CRNS) has been adopted in the environmental and hydrological sensing community in the past ten years as an alternative way to non-invasively measure soil moisture. Since a single neutron detector can have a sensitive footprint up to 200 m away, the technique can provide a volumetric water content estimate at a length scale that is better suited for monitoring of typical agricultural fields, and fills the gap between point probes and satellite data. One major challenge faced by the CRNS technique is that the Helium-3 detector systems used to date can be costly, limiting its usefulness in cost limited applications. To avoid this, several groups have begun developing low cost alternatives to Helium-3 based systems, and the field is reaching a critical point in which the technique could become a viable solution for precision irrigation agriculture. This proposal aims to bring together leaders in the development and utilisation of soil moisture sensors for agriculture to understand how a powerful hydrological monitoring technique, cosmic ray neutron sensing, could be adapted to best suit irrigation monitoring. By modifying two newly developed low cost cosmic ray neutron sensors so that they can interface directly with an Internet-of-Things Smart Water Management Platform (SWAMP) network, it will be possible to correlate cosmic ray neutron data with a variety of other data streams in almost real time to support data driven precision irrigation modelling within agriculture in a standardised way. Testing these systems at a pivot irrigation site in Brazil made available to the researchers through the international network, will provide the first demonstration of this interface on a full scale SWAMP network, and will place the research network in a strong position to apply the sensors to range of other precision irrigation applications in the future.. Situação: Concluído; Natureza: Pesquisa. Integrantes: João Henrique Kleinschmidt - Integrante / Carlos Alberto Kamienski - Coordenador / Ronaldo Cristiano Prati - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: João Henrique Kleinschmidt. Descrição: Approximately 70 of fresh water usage worldwide is for irrigation purposes, therefore the adoption of novel irrigation approaches such as IoT enabled precision irrigation has the potential to improve resource efficiency within the agricultural sector, and build resilience to climate change related water shocks at a global level. One difficulty in adopting smart irrigation farming practices comes from a lack of efficient methods to continuously monitor soil moisture within the root zone with high precision. Up until the last decade, measurements have typically relied on traditional invasive point scale sensors, or satellite data for continuous monitoring. The challenge with both of these monitoring methods is that they do not provide an optimal solution for the measurement scales required for irrigation farming, with many point probes required to accurately account for soil heterogeneity over even a modest size site, and satellite data being too coarse a resolution for data-driven precision irrigation to be a viable option. Cosmic Ray Neutron Sensing (CRNS) has been adopted in the environmental and hydrological sensing community in the past ten years as an alternative way to non-invasively measure soil moisture. Since a single neutron detector can have a sensitive footprint up to 200 m away, the technique can provide a volumetric water content estimate at a length scale that is better suited for monitoring of typical agricultural fields, and fills the gap between point probes and satellite data. One major challenge faced by the CRNS technique is that the Helium-3 detector systems used to date can be costly, limiting its usefulness in cost limited applications. To avoid this, several groups have begun developing low cost alternatives to Helium-3 based systems, and the field is reaching a critical point in which the technique could become a viable solution for precision irrigation agriculture. This proposal aims to bring together leaders in the development and utilisation of soil moisture sensors for agriculture to understand how a powerful hydrological monitoring technique, cosmic ray neutron sensing, could be adapted to best suit irrigation monitoring. By modifying two newly developed low cost cosmic ray neutron sensors so that they can interface directly with an Internet-of-Things Smart Water Management Platform (SWAMP) network, it will be possible to correlate cosmic ray neutron data with a variety of other data streams in almost real time to support data driven precision irrigation modelling within agriculture in a standardised way. Testing these systems at a pivot irrigation site in Brazil made available to the researchers through the international network, will provide the first demonstration of this interface on a full scale SWAMP network, and will place the research network in a strong position to apply the sensors to range of other precision irrigation applications in the future.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Carlos Alberto Kamienski - Coordenador / KLEINSCHMIDT, JOAO H. - Integrante / PRATI, RONALDO C. - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: Carlos Alberto Kamienski. |
| 7. | 2021-Atual. Estudo das Alterações Histológicas em Leucoplasias por meio da Classificação Polinomial Descrição: Sistemas de Apoio ao Diagnóstico podem contribuir na análise de lesões de tecidos histológicos da cavidade bucal. Por meio de técnicas computacionais é possível desenvolver algoritmos que possibilitam auxiliar os especialistas. Esse projeto propõe desenvolver métodos para análise e classificação de alterações de lesões provocadas pelas leucoplasias bucal. Na análise de imagens, uma etapa de segmentação baseada em modelo de redes convolucionais deve ser investigado para detecção da região dos núcleos. As informações obtidas por meio de descritores morfológicos e não morfológicos baseados em representações geométricas e textura serão usadas. Para a etapa de classificação, as informações serão avaliadas com um algoritmo de classificação polinomial. Nesta etapa, pretende-se investigar bases polinomiais para a etapa de classificação com os descritores. O resultado almejado é obter um sistema capaz de classificação de lesões presentes na cavidade bucal de imagens histológicas baseado em descritores morfológicos e não morfológicos, permitindo obter novas informações que possam fornecer o conhecimento aos especialistas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: Marcelo Zanchetta do Nascimento - Integrante / Leandro Alves Neves - Integrante / Danilo C. Pereira - Integrante / Alessandro Santana Martins - Coordenador / thaina A A Tosta - Integrante / PAULO ROGÉRIO DE FARIA - Integrante / Guilherme Freire Roberto - Integrante / : Adriano Barbosa Silva - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de Minas Gerais - Auxílio financeiro. Membro: Marcelo Zanchetta do Nascimento. |
| 8. | 2021-Atual. Estudo do perfil de acetilação de histonas na mucosa bucal normal, desordens potencialmente malignas e no carcinoma de células escamosas bucal humano e murino Descrição: O objetivo desta proposta é analisar o perfil de acetilação de histonas em mucosa normal, desordens potencialmente malignas e carcinoma de células escamosas bucal humano e murino, buscando identificar marcadores epigenéticos com potencial diagnóstico, prognóstico e terapêutico. Um estudo de coorte transversal será realizado com coleta de dados de prontuário e amostras de pacientes com leucoplasia, eritroplasia, líquen plano, queilite actínica e carcinoma de células escamosas. Também será realizado experimento de carcinogênese em modelo murino com 4-nitroquinoleína-1-óxido (4-NQO) etanol. Camundongos da linhagem C57BL/6J serão alocados em 8 grupos contendo 15 animais cada, sendo que dois grupos (Veículo/Água e Veículo/Etanol) receberão por 16 semanas solução contendo propilenoglicol, dois grupos experimentais (4-NQO/Etanol e 4-NQO/Água) receberão solução de 4-NQO a 50µg/mL por 16 semanas. Após este período, dois grupos (4-NQO/Etanol e Veículo/Etanol) receberão solução de etanol a 20% por mais 8 e 16 semanas, enquanto os grupos Veículo/Água e 4-NQO/Água receberão apenas água por mais 8 e 16 semanas. Ao final deste período, os animais serão eutanasiados para coleta de material biológico. As amostras serão submetidas a ensaio imunohistoquímico com anticorpos anti-KAT2A, PCAF, CBP, HDAC2, HDAC6, H3K9ac, H3K27ac, H3K14ac. Para análise histológica, um algoritmo computacional será desenvolvido e aplicado para a extração de descritores nucleares morfométricos e não-morfométricos para a classificação histológica automatizada das lesões e identificação de marcadores de diagnóstico e prognóstico. Também será realizado RT-PCR para detecção do mRNA dos genes KAT2A, PCAF, CBP, HDAC2, HDAC6, TP53, NOTCH1, CDKN2A, STAT3, CCND1, RB1. Imunoprecipitação de cromatina será realizada para identificar a deposição das modificações de histonas H3K9ac, H3K27ac, H3K14ac próximo aos sítios de promoção dos genes TP53, NOTCH1, CDKN2A, STAT3, CCND1, RB1.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Marcelo Zanchetta do Nascimento - Integrante / PAULO ROGÉRIO DE FARIA - Integrante / ADRIANO MOTA LOYOLA - Coordenador / Adriano Barbosa Silva - Integrante / CARLOS UEIRA VIEIRA - Integrante / TAMIRIS SABRINA RODRIGUES - Integrante / Anaíra Ribeiro Guedes Fonseca Costa - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de Minas Gerais - Auxílio financeiro. Membro: Marcelo Zanchetta do Nascimento. |
| 9. | 2021-2021. Investigação de métodos para classificação de alterações de lesões geradas pela COVID-19 em imagens radiográficas Descrição: Neste projeto é apresentado uma proposta que visa desenvolver um sistema computacional capaz de quantificar e classificar lesões geradas pela COVID-19 a partir de descritores fractais e transformada wavelet. Também será investigado algoritmos baseados em base polinomial e comparados com modelos clássicos de técnicas de aprendizado de máquina para classificação das lesões em imagens radiográficas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) . Integrantes: Marcelo Zanchetta do Nascimento - Integrante / Leandro Alves Neves - Integrante / Danilo C. Pereira - Integrante / Alessandro Santana Martins - Coordenador / MARTINS, RODRIGO G. - Integrante / Thaína Aparecida Azevedo Tosta - Integrante. Financiador(es): Instituto Federal do Triângulo Mineiro - Auxílio financeiro. Membro: Marcelo Zanchetta do Nascimento. |
| 10. | 2021-2024. IoTware: IoT-based Infrastructure for Smart Applications Descrição: O projeto IoTware tem por objetivo explorar, desenvolver e avaliar os conceitos e o espac#807;o de inovac#807;a#771;o existentes na converge#770;ncia de va#769;rias tecnologias capitaneadas pela Internet das Coisas, com foco no projeto, desenvolvimento, avaliac#807;a#771;o e implantac#807;a#771;o de plataformas e aplicac#807;o#771;es inteligentes. As principais contribuic#807;o#771;es previstas para o projeto IoTware esta#771;o relacionadas a#768; obtenc#807;a#771;o de avanc#807;os na proposta, uso e integrac#807;a#771;o de diferentes conceitos e tecnologias para prover a infraestrutura, as plataformas de software, os modelos, as aplicac#807;o#771;es e o gerenciamento dos ambientes de IoT.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (4) . Integrantes: Carlos Alberto Kamienski - Coordenador. Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Carlos Alberto Kamienski. |
| 11. | 2021-Atual. Métodos Quantitativos de Acesso à Dinâmica de Sinais de Biopotenciais a Aplicações Biomédicas Descrição: O estudo da dinâmica, especialmente no contexto da descrição via equações de estado não lineares, tem propiciado o avanço do conhecimento em diversas frentes, tais como a neurociência, a neuroengenharia, a cardiologia, entre outras. Tal progresso tem se desenvolvido tanto por meio de modelos matemáticos que confrontam a realidade experimental e testam hipóteses no contexto multivariado, como também por meio de um amplo aparato analítico de séries temporais no cenário experimental. Tais ferramentas de investigação encontram-se na interface entre a teoria clássica de processamento de sinais / processos estocásticos, análise não linear de séries temporais, aprendizado estatístico e o campo aplicado. Tendo isso em vista, este projeto de pesquisa visa uma abordagem integrada de diversos métodos quantitativos de análise da dinâmica de séries temporais com ferramentas de aprendizado máquina para a caracterização e análise de sinais de biopotenciais nos seguintes contextos: 1) no estudo das modulações eletrofisiológicas nos núcleos da base cerebrais e seus possíveis correlatos (sintomas) clínicos manifestados pelos diferentes subtipos de pacientes na doença de Parkinson (PD); 2) análise da conectividade funcional dinâmica durante a execução (ou imagética) de tarefas motoras por meio de registros de eletroencefalografia (EEG) para a concepção de interfaces cérebro-máquina mais robustas; 3) análise de sinais intracardíacos de pacientes com fibrilação atrial persistente visando identificação de focos ectópicos e sua ablação.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diogo Coutinho Soriano - Coordenador / Ricardo Suyama - Integrante / André Kazuo Takahata - Integrante / Fábio Godinho - Integrante / ROCHA, MARIA SHEILA GUIMARÃES - Integrante. Membro: Diogo Coutinho Soriano. |
| 12. | 2021-Atual. PROFISSA - Programmable Future Internet for Secure Software Architectures Descrição: PROFISSA project is proposed to investigate, map and advance the use of software engineering techniques when applied to pro- grammable networks in order to improve the structural and functional quality and the process of developing network programs. The project will provide a modular and reusable code framework for network programs developed with good development practices. In addition, the network pro- grams developed in the project will be executed in real environments of programmable networks implemented on a testbed for the development and analysis of network software. To this end, the integration between RNP and the FABRIC project is sought, to create real programmable network environments of the latest generation, taking into account, for example, the use of programmability in the data plan with the use of devices that support P4.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Henrique Kleinschmidt - Integrante / Carlos Alberto Kamienski - Integrante / Lisandro Zambenedetti Granville - Coordenador. Membro: João Henrique Kleinschmidt. Descrição: PROFISSA project is proposed to investigate, map and advance the use of software engineering techniques when applied to pro- grammable networks in order to improve the structural and functional quality and the process of developing network programs. The project will provide a modular and reusable code framework for network programs developed with good development practices. In addition, the network pro- grams developed in the project will be executed in real environments of programmable networks implemented on a testbed for the development and analysis of network software. To this end, the integration between RNP and the FABRIC project is sought, to create real programmable network environments of the latest generation, taking into account, for example, the use of programmability in the data plan with the use of devices that support P4.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (4) . Integrantes: Carlos Alberto Kamienski - Integrante / Lisandro Zambenedetti Granville - Coordenador. Membro: Carlos Alberto Kamienski. |
| 13. | 2021-2023. PROJETO MAYA - Tecnologias inovadoras e disruptivas para prescrever, incentivar e avaliar a prática de atividade física. Descrição: O objetivo geral do projeto MAYA é desenvolver e implementar tecnologias inovadoras, disruptivas e seguras para aumentar a adesão de atividades físicas prescritas e monitorar a resposta de variáveis fisiológicas, durante as atividades físicas para prevenção e reabilitação de doenças cardiovasculares. O projeto MAYA propõe superar este desafio através de três abordagens integradas: (i) o uso de aplicações com um sistema de gamificação para aumentar a adesão dos usuários; (ii) a utilização de um sistema de biofeedback para o monitoramento das atividades físicas prescritas; e (iii) implantar e testar um sistema protótipo.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Helder May Nunes da Silva Oliveira - Integrante / Eduardo Coelho Cerqueira - Integrante / Denis Rosário - Integrante / Pedro Dal Lago - Coordenador / Cristiano Bonato Both - Integrante / Jéferson Campos Nobre - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Helder May Nunes da Silva Oliveira. |
| 14. | 2021-Atual. Proposta de um serviço interdisciplinar em ABA para estudantes com autismo: estratégias para o envolvimento dos pais Descrição: O projeto visa elaborar, implementar e avaliar um serviço de atendimento educacional complementar para estudantes com TEA, a partir da aplicação dos procedimentos de ensino delineados com os princípios analítico-comportamentais, por uma equipe interdisciplinar, em conjunto com os pais. Como medida complementar serão conduzidas avaliações de rastreio ocular dos estudantes com TEA, ao longo de toda intervenção para identificar possíveis mudanças antes e após aprendizagem de habilidades básicas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (6) . Integrantes: Francisco José Fraga da Silva - Integrante / BENITEZ, PRISCILA - Coordenador / VIVILI MARIA SILVA GOMES - Integrante. Membro: Francisco José Fraga da Silva. |
| 1. | 2020-Atual. BRAINN - The Brazilian Institute of Neuroscience and Neurotechnology Descrição: Programas de Inovação Tecnológica / CEPID - Centros de Pesquisa, Inovação e Difusão - FAPESP - processo 2013/07559-3. Situação: Em andamento; Natureza: Pesquisa. Integrantes: André Kazuo Takahata - Integrante / Romis - Integrante / Sarah Negreiros de Carvalho - Integrante / Thiago Bulhões da Silva Costa - Integrante / Diogo Coutinho Soriano - Integrante / Ricardo Suyama - Integrante / Gabriela Castellano - Integrante / Paula Gabrielly Rodrigues - Integrante / Arnaldo Fim Neto - Integrante / Fernando Cendes - Coordenador / Alan Stewart Hazell - Integrante / Fernando José Von Zuben - Integrante / iscia teresinha lopes cendes - Integrante / João Bosco Pesquero - Integrante / Li Li Min - Integrante / Lilia Freire Rodrigues de Souza Li - Integrante / Marcondes Cavalcante Franca Junior - Integrante / Marilisa Mantovani Guerreiro - Integrante / RIcardo Ribeiro Gudwin - Integrante / Roberto de Alencar Lotufo - Integrante / Roberto José Maria Covolan - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Outra. Membro: André Kazuo Takahata. |
| 2. | 2020-Atual. Modelagem, simulação e caracterização de dispositivos eletrônicos visando à aplicação em RF energy harvesting Descrição: Dispositivos eletrônicos são utilizados em inúmeros circuitos analógicos e digitais em diversas áreas de controle, telecomunicações, processamento de sinais entre outros. Circuitos com vistas a Internet das Coisas (IoT, Internet of Things) são de baixa potência e, em geral, possuem conexões sem fio. A fim de se evitar a necessidade de baterias, tais circuitos podem ser alimentados considerando o conceito de captura de energia (energy harvesting), em que a energia eletromagnética é convertida em energia elétrica.Com o intuito de se analisar a operação de um dispositivo em circuitos elétricos, modelos analíticos são necessários. Esses modelos devem ser funcionais para dispositivos de diferentes características, operando em diferentes polarizações e temperaturas. Em caso de dispositivos que operam em alta frequência, como os utilizados em energy harvesting, a frequência de operação também deve ser considerada no modelo.Assim, este projeto tem como objetivo realizar a modelagem analítica, simulação e caracterização elétrica de dispositivos semicondutores, visando à aplicação a circuitos de baixa potência. Para tal, é necessário realizar simulações numéricas e medidas elétricas. Com o modelo analítico desenvolvido e calibrado, pode-se prever corretamente o funcionamento de circuitos, além de otimizá-los para a operação em determinadas condições de polarização e temperatura.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (2) . Integrantes: Carlos Eduardo Capovilla - Coordenador / Ivan R. S. Casella - Integrante / Vinicius Santana da Silva - Integrante / TREVISOLI, RENAN - Integrante. Membro: Carlos Eduardo Capovilla. |
| 3. | 2020-2022. Observatório de Conflitos na Internet Descrição: http://pesquisa.ufabc.edu.br/observa Tecnologias de informação e comunicação, em particular, a Internet, reconfiguraram profundamente a dinâmica de conflitos na sociedade contemporânea em diferentes níveis. Neste sentido, o presente projeto ambiciona construir um Observatório de Conflitos na Internet, capaz de consolidar-se como uma referência nacional e internacional de pesquisas na área. Para tanto, propõe a realização de uma ampla pesquisa, de caráter interdisciplinar e estruturada em quatro etapas, visando: I) construir um arcabouço teórico consistente para definir e identificar conflitos na Internet; II) construir metodologias e sistemas computacionais capazes de observar, sistematicamente, a dinâmica dos conflitos na rede; III) analisar e sistematizar os dados referentes aos conflitos na Internet; IV) contribuir propositivamente para o desenho de políticas públicas capazes de potencializar os efeitos produtivos dos conflitos na Internet e ampliação do debate sobre a temática de estudo do Observatório. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: Carlos Alberto Kamienski - Coordenador / Claudio Penteado - Integrante / Fabricio Olivetti de França - Integrante / Denise Goya - Integrante / Flávio Horita - Integrante / Carlos Santos - Integrante / Rafaela Vilela da Rocha - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Carlos Alberto Kamienski. |
| 4. | 2020-2022. Redes Neurais Artificiais em aplicações de controle para drones Situação: Concluído; Natureza: Pesquisa. Integrantes: Murilo Bellezoni Loiola - Coordenador / Hugo Puertas de Araújo - Integrante. Membro: Murilo Bellezoni Loiola. |
| 5. | 2020-Atual. Sistemas Dinâmicos Não Lineares e Grafos: Aplicações em Comunicações e Análise de Sinais Descrição: Projeto de pesquisa associado à bolsa de produtividade em pesquisa nível 1-D no período de março de 2020 a fevereiro de 2024.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Marcio Eisencraft - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Marcio Eisencraft. |
Data de processamento: 16/11/2024 16:25:58