FORMANDO ENGENHEIROS E LÍDERES

FORMANDO ENGENHEIROS E LÍDERES

(foto: Tânia Rego/Agência Brasil)

Link:https://agencia.fapesp.br/modelo-combina-parametros-fisicos-e-aprendizado-de-maquina-para-prever-mares-de-tempestade/51581

Data de publicação: 07/04/2024

Entrevistados: Anna Helena Reali Costa, professora do Departamento de Engenharia de Computação e Sistemas Digitais da Escola Politécnica (Poli) e Marcel Barros, pesquisador do Departamento de Engenharia da Computação e Sistemas Digitais da Poli-USP. 

Resumo: A professora Anna Reali e o pesquisador Marcelo Barros, participaram da redação de um artigo, publicado no veículo Proceedings of the AAAI Conference on Artificial Intelligence, sobre métodos para prever marés de tempestade. Intitulado Early Detection of Extreme Storm Tide Events Using Multimodal Data Processing”, o texto trata do desenvolvimento de um projeto que, a partir do uso de ferramentas avançadas de aprendizado de máquina, otimiza os sistemas atuais de previsão de eventos extremos. Em um contexto de mudanças climáticas, tais ferramentas  se tornam essenciais para a preparação e proteção de regiões vulneráveis. 

Desenvolvido por um grande número de pesquisadores, Barros ressalta o diferencial da pesquisa.  “O estudo une os dois mundos ao desenvolver um modelo baseado em aprendizado de máquina que utiliza os modelos físicos como ponto de partida, mas que consegue refiná-los agregando dados medidos. Essa área de estudo é conhecida como ‘Aprendizado de Máquina Informado pela Física’ (Physics-Informed Machine Learning, na expressão em inglês, da qual deriva a sigla PIML)”, diz Barros

 

Confira a repercussão:

Ecoa UOL

Olhar digital

Jornal da USP

Gazeta de S. Paulo

Print Friendly, PDF & Email