2025
Modelagem Computacional em Sistemas Orgânicos
Pesquisa revela que nanofitas de carbono, especialmente na configuração de Möbius, têm alta capacidade de capturar gases do efeito estufa, como NO, COCl₂ e NO₂, com eficiência superior em comparação às nanofitas tradicionais. Estudos computacionais mostraram que essas estruturas mantêm desempenho consistente em diferentes condições ambientais, destacando-se como uma solução promissora para estratégias de remediação ambiental e combate às mudanças climáticas.
proj416 (2025)
Prof. Dr. Ihosvany Camps Rodriguez
Universidade Federal de Alfenas (UNIFAL)
Propriedades químicas e físicas do gelo
Nosso último trabalho utiliza simulações atômicas baseadas em potenciais de aprendizado de máquina para estudar a ordem química de curto alcance (CSRO) na liga CoCrNi. A CSRO descreve a tendência de certos tipos de átomos se agruparem preferencialmente em ligas metálicas. Acredita-se que ela pode influenciar propriedades como resistência mecânica, condutividade elétrica e estabilidade térmica dos materiais. Esses modelos foram treinados com dados de teoria do funcional da densidade para capturar com precisão os efeitos da CSRO. Os autores calcularam a energia associada à formação de CSRO e compararam com dados experimentais de calorimetria diferencial (DSC), encontrando excelente concordância
proj748 (2025)
Prof. Dr. Pedro A. F. P. Moreira
Universidade Federal de São Carlos (UFSCar)
Aferição não destrutiva das dimensões de superfícies folieares baseada em aprendizado profundo
Este projeto visa pesquisar, estudar e desenvolver modelos computacionais para a medição não destrutiva de atributos morfológicos de folhas (área, largura, comprimento e perímetro). Esta linha de pesquisa é fundamentada pelos recentes progressos da visão computacional na análise e síntese de imagens, por meio de redes neurais. Nosso objetivo é desenvolver um modelo capaz de segmentar a imagem e estimar as dimensões da superfície foliar.
proj1033 (2025)
Prof. Dr. Helio Pedrini
Universidade Estadual de Campinas (UNICAMP)
Propriedades químicas e físicas de nanoestruturas de Carbono
Propomos um grafino 2D baseado no grafenileno, que apresenta um pequeno gap de energia. Esse comportamento semicondutor é partilhado por suas fitas e nanotubos derivados, com um gap que pode ser modulado por características geométricas desses sistemas, como largura e quiralidade. Discutimos ainda modelos qualitativos que permitem entender o papel de determinadas condições de contorno sobre a estrutura eletrônica desses sistemas
proj853 (2025)
Prof. Dr. Eduardo Costa Girão
Universidade Federal do Piauí (UFPI)
Corismato sintase como alvo de candidatos a antibióticos para MRSA: estudos in silico
Avaliamos in silico a interação da enzima corismato sintase de S. aureus (SaCS) com dois potenciais inibidores. Os complexos enzima-ligante obtidos por docking (Figuras 1A e 1B) foram submetidos a simulações de dinâmica molecular. Ao longo dos 50 ns simulados, os ligantes mantiveram suas interações com a SaCS. A análise de RMSF (Figura 1C) revelou que eles não alteram significativamente a flexibilidade dos resíduos de aminoácidos no sítio de ligação, quando comparados ao substrato enzimático (EPSP). Esses resultados indicam boa estabilidade dos candidatos a inibidores.
proj999 (2025)
Prof. Dr. Paulo Sergio Alves Bueno
Universidade Estadual de Maringá (UEM)
Registro de imagem afim utilizando um modelo de aprendizado profundo não supervisionado.
A pesquisa foi sobre o registro de imagens médicas, que é o processo de alinhar duas imagens diferentes do cérebro, por exemplo, para facilitar diagnósticos e análises. O foco foi criar um modelo de aprendizado profundo supervisionado, usando redes neurais, para fazer esse alinhamento de forma mais automática e precisa. O objetivo principal foi melhorar a qualidade desse registro e avaliar os resultados com métricas específicas. Para isso, usei um conjunto de dados com imagens MRI do tipo ADC e DWI de pacientes com AVC isquêmico.
proj1029 (2025)
Prof. Dr. Cristiano Torezzan
Universidade Estadual de Campinas (UNICAMP)
Design de peptídeo para biossensor de microRNAs circulante para Hidradenitis suppurativa.
Estamos desenvolvendo, por meio de simulações computacionais, sensores baseados em peptídeos que reconhecem moléculas chamadas microRNAs, associadas à Hidradenite Supurativa - uma doença inflamatória da pele. Esses sensores poderão futuramente ajudar no diagnóstico precoce e não invasivo da doença. A pesquisa é realizada inteiramente em computador, usando ferramentas de bioinformática e inteligência artificial.
proj1028 (2025)
Prof. Dr. Carlos Andre dos Santos Silva
Centro Universitario CESMAC (CESMAC)
Estudo teórico do papel do Agente Redutor no mecanismo de crescimento de nanobastões de ouro.
A figura em anexo mostra as diferentes estruturas de adsorção de CTAB em superfície de ouro variando-se o número de íons brometos na interface (A-E), e na presença de agente redutor ácido ascórbico, sendo (A) hememicelas, (B) hememicela, (C) micelas cilíndricas, (D) bicamada e (E) bicamada. Nos gráficos abaixo são medidos são medidos as densidades de (F) ácido ascórbico, (G) Nitrogênio do grupo polar e (H) brometos totais para as estruturas de (A), (B) e (C). As densidades são medidas em relação ao eixo perpendicular a superfície de ouro.
proj1004 (2025)
Prof. Dr. Paulo Augusto Netz
Universidade Federal Rio Grande do Sul (UFRGS)
Desenvolvimento de novas abordagens para a caracterização estrutural de macromoléculas combinando resultados experimentais e modelos computacionais simplificados
O mundo segue cada vez mais dependente de energia e assim buscamos, por meio da engenharia enzimática, aprimorar enzimas para a produção de biocombustíveis de segunda geração, isto é, produzidos utilizando o bagaço da cana-de-açúcar e de outras fontes vegetais. Assim, asseguramos energia barata, limpa e sem a necessidade de aumento da área plantada.
proj613 (2025)
Prof. Dr. Leandro Cristante de Oliveira
Universidade Estadual Paulista (UNESP)
Simulação computacional de processos de dessalinização por osmose reversa e de nanoconfinamento
A água em superfícies hidrofílicas se comporta diferente do que em superfícies hidrofóbicas, e essa diferença é importante em sistemas tecnológicos, como nos processos de dessalinização. Neste projeto estudamos a estrutura e a dinâmica da água confinada em superfícies de grafeno e grafeno oxidado.
proj1000 (2025)
Prof. Dr. Paulo Augusto Netz
Universidade Federal do Rio Grande do Sul (UFRGS)
Enhancing Mobile RAW Burst Super-Resolution with Multi-Camera
Nosso trabalho busca melhorar a qualidade de imagens capturadas por smartphones utilizando técnicas de super-resolução com aprendizado de máquina. Desenvolvemos um novo método que combina informações de várias fotos tiradas rapidamente em sequência (burst) para gerar imagens mais nítidas e detalhadas. A pesquisa promete aprimorar a fotografia móvel, tornando-a ainda mais próxima da qualidade de câmeras profissionais.
proj1002 (2025)
Prof. Dr. Helio Pedrini
Universidade Estadual de Campinas (UNICAMP)
Quantificação de Incerteza em Redes Neurais em Grafos Aplicada a Previsão de Séries Temporais Multivariadas: Um Estudo de Caso em Tráfego Urbano
Este projeto estuda como prever o tráfego nas cidades com mais segurança e precisão usando inteligência artificial. Utilizamos redes neurais que funcionam como mapas de conexões, aprendendo com dados reais de trânsito. Além de prever, medimos o quanto o modelo "confia" nas previsões, o que é essencial para decisões mais seguras. Isso ajuda, por exemplo, a evitar congestionamentos ou planejar rotas com mais eficiência.
proj1023 (2025)
Prof. Dr. Zanoni Dias
Universidade Estadual de Campinas (UNICAMP)
Comportamento de Fase e Auto-Organização de Partículas Coloidais Sob Confinamento
Este trabalho investiga como partículas microscópicas se organizam quando confinadas em regiões pequenas, como armadilhas. Com o aumento do confinamento, observamos a transição entre diferentes padrões de organização, como anéis e estruturas em grade. Esses resultados ajudam a entender como forças simples podem gerar padrões complexos, com aplicações em materiais avançados e nanotecnologia.
proj990 (2025)
Prof. Dr. Sergio Wlademir da Silva Apolinario
Universidade Federal de Pernambuco (UFPE)
Funcionalização de Nanoestruturas Bidimensionais: Um cálculo Ab initio
Nosso grupo de pesquisa estuda materiais 2D com alto potencial para aplicações tecnológicas e energia verde. Nesse contexto, investigamos a estrutura e reatividade desses materiais como catalisadores eficiente para reações envolvendo hidrogênio. Nosso objetivo é desenvolver soluções inovadoras e sustentáveis para a produção e armazenamento de hidrogênio, contribuindo para a transição energética. Através de abordagens teóricas e experimentais, buscamos compreender e otimizar as propriedades desses materiais emergentes.
proj747 (2025)
Profa. Dra. Erika Nascimento Lima
Universidade Federal do Mato Grosso (UFMT)
Exploring Explaining Methods and Regularization Strategies in Weakly Supervised Semantic Segmentation
Este projeto tem como foco a segmentação fracamente supervisionada para a classificação da localização de proteínas em imagens de microscopia de fluorescência. As imagens de treinamento são rotuladas em nível de imagem, o que significa que os rótulos (a localização da proteína na célula) são atribuídos à imagem inteira, sem especificar o rótulo de cada célula individual. Já as imagens de teste possuem rótulos em nível de célula, permitindo uma avaliação mais precisa do modelo.
proj1018 (2025)
Prof. Dr. Zanoni Dias
Universidade Estadual de Campinas (UNICAMP)
Aprendizado Autossupervisionado para Dados Espaço-Temporais
Nosso projeto introduz um modelo multimodal contrastivo de aprendizado de máquina com dados não rotulados, em que analisamos sequências de imagens de satélite para extrair informações temporais. Codificando as mudanças temporais ao nível de píxel e a informação espacial da imagem para alinhar as representações de ambos os modais, para que seja apresentando adaptabilidade a diferentes tarefas.
proj978 (2025)
Prof. Dr. Helio Pedrini
Universidade Estadual de Campinas (UNICAMP)
Aplicações de Métodos de Mecânica Quântica no Desenvolvimento de Novos Materiais e em Sistemas Catalíticos
O trabalho abrange cálculos de DFT com diferentes níveis de teoria, usando os softwares de modelagem molecular e abordagens Ab Initio para investigar propriedades eletrônicas, estruturais e magnéticas de sistemas complexos. Estudos incluem a análise de deslocamentos espectrais em dímeros cristalográficos de azul de metileno, a elucidação de acoplamentos magnéticos em polioxovanadatos e a exploração da anisotropia magnética em oxoclusters contendo lantanídeos para o desenvolvimento de novos materiais.
proj976 (2025)
Prof. Dr. Eduardo Lemes de Sá
Universidade Federal do Paraná (UFPR)
Cálculos de Estrutura Eletrônica na área de Química Computacional
A L-Dopa (levodopa) é um remédio essencial no tratamento da doença de Parkinson. Para que ele funcione bem e com segurança, é importante entender como ele age no corpo, como é processado e como interage com outros sistemas do cérebro. Estudar a forma como a L-Dopa se encaixa nos receptores do cérebro que ajudam na produção de dopamina é fundamental para melhorar o efeito do tratamento. Além disso, a maneira como a molécula da L-Dopa é formada, incluindo uma característica especial chamada "centro quiral", também influencia como ela age e é absorvida pelo corpo
proj1006 (2025)
Prof. Dr. Railton Barbosa de Andrade
Universidade Estadual da Paraíba (UEPB)
Análise de imagens de pulmão para detecção de COVID-19 utilizando Transformers
Redes neurais profundas têm se tornado cada vez maiores, visando à obtenção de resultados de estado da arte. Isso limita o seu uso em dispositivos de hardware mais limitados, tornando importante o estudo da redução desses modelos de forma a manter a sua qualidade. Nesse contexto, o nosso projeto visa à exploração e ao aprimoramento de técnicas de destilação de conhecimento baseadas em logits para a compressão de redes neurais profundas. O nosso intuito principal é desenvolver uma técnica de scheduler para a ponderação da função de perda, a fim de guiar a destilação de maneira mais eficiente. Experimentos serão executados em diferentes conjuntos de dados para demonstrar a eficácia da técnica desenvolvida.
proj882 (2025)
Prof. Dr. Helio Pedrini
Universidade Estadual de Campinas (UNICAMP)
