• Total de projetos de pesquisa (3)
  
  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. 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.
  3. 2022-2024. 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 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.
  
  

Prêmios e títulos