Projetos de Pesquisa

 

Foto de perfil

Ademar Takeo Akabane

Ciências Exatas e da Terra

Ciência da Computação
  • aplicação dos conceitos de computação urbana no provimento de soluções inteligentes com foco em problemas de mobilidade veicular urbana
  • Devido ao rápido crescimento populacional urbano, o acesso aos recursos limitados de uma cidade tem afetado negativamente a vida de bilhões de cidadãos ao redor do mundo. Para amenizar esse enorme problema, pesquisadores, empresas e orgãos públicos têm investido cada vez mais no conceito de computação urbana com intuito de melhorar os serviços urbanos, e consequentemente, aumentando a qualidade de vida de seus habitantes. Computação urbana é uma área interdisciplinar que utiliza diversas tecnologias da informação e comunicação, gestão avançada de grandes volumes de dados e diversos métodos de análises de dados coletados. Dentro do cenário apresentado, este projeto visa fomentar pesquisas na área da computação urbana, por meio de estudos, proposição e avaliação de soluções inteligentes que buscam contribuir com o estado-da-arte no campo da mobilidade veicular urbana. O objetivo geral deste projeto de pesquisa é propor algoritmos, modelos e protocolos que possam, a partir dos dados heterogêneos do espaço urbano, extrair informação útil para aplicações ou serviços para cidades inteligentes. Para isso, serão utilizados os paradigmas de redes veiculares e de Computação em Névoa, por exemplo, para processar os dados coletados e assim extrair informação útil que será consumida pelos Sistemas de Transporte Inteligentes. Vale destacar que o foco da computação urbana é melhorar o planejamento das cidades e também compreender a natureza dos fenômenos urbanos e sociais.
  • Pontifícia Universidade Católica de Campinas - SP - Brasil
  • Wed Apr 06 00:00:00 BRT 2022-Wed Apr 30 00:00:00 BRT 2025
Foto de perfil

Adenilton José da Silva

Ciências Exatas e da Terra

Ciência da Computação
  • aprendizado em dispositivos quânticos de escala intermediária
  • A computação quântica permite a resolução de alguns problemas com um ganho exponencial no tempo de execução quando comparada com os computadores atuais ou clássicos. Devido ao ruído e a escala intermediária dos processadores quânticos, as vantagens teóricas ainda não puderam ser verificadas. Na aprendizagem de máquina quântica (AMQ) a computação quântica é utilizada para resolver as limitações da aprendizagem de máquina. Diversos algoritmos de aprendizado já foram propostos, mas ainda não foi realizado um experimento que comprove os ganhos da AMQ sobre sua versão clássica. A dificuldade de realização experimental da AMQ ocorre devido a limitações do Hardware e necessidade de desenvolvimento de algoritmos de aprendizado específicos para os dispositivos de escala intermediária. Este projeto irá investigar o desenvolvimento de algoritmos de aprendizado para dispositivos quânticos que possuam vantagens em relação ao tempo de processamento, memória ou capacidade de aprendizado e que possam ser executados em dispositivos ruidosos de escala intermediária. Com o advento dos primeiros processadores quânticos os algoritmos desenvolvidos terão impacto em diversas áreas do conhecimento, acelerando o desenvolvimento de sistemas inteligentes através do uso de processadores quânticos. Será investigado o desenvolvimento de algoritmos quânticos de treinamento para modelos híbridos (clássicos/quânticos) de aprendizado com ganhos em relação a aprendizagem de máquina clássica e que possam ser executados nos dispositivos quânticos atuais. Os primeiros experimentos com dispositivos reais com vantagens em relação aos computadores clássicos foram realizados em 2019 e existe uma expectativa de que problemas práticos possam ser resolvidos nos próximos anos. Diversas estratégias serão utilizadas para o desenvolvimento dos algoritmos. Por exemplo, circuitos quânticos variacionais, aprendizado baseado em distância e o treinamento quântico de modelos clássicos de aprendizagem de máquina.
  • Universidade Federal de Pernambuco - PE - Brasil
  • Wed Mar 16 00:00:00 BRT 2022-Mon Mar 31 00:00:00 BRT 2025