Palestras

Pode em algum sentido sensato a parte conter o todo? É o que de fato acontece nos fractais. E nos cálculos computacionais que aproximam resultados analíticos inacessíveis. E nos experimentos em laboratório e nas observações na natureza. E nas previsões e nas extrapolações e nas interpolações. E na otimização da entropia na presença de vínculos simples nos fundamentos da mecânica estatística. A prova dos matemáticos, a dos físicos, e a dos juristas. Algumas reflexões sob esta perspectiva, e ilustrações, serão apresentadas.

Professor Constantino Tsallis é físico na área de mecânica estatística, foi chefe do Departamento de Física Teórica do Centro Brasileiro de Pesquisas Físicas no Rio de Janeiro, e fundador do Instituto Nacional de Ciência e Tecnologia para Sistemas Complexos no Brasil. Obteve seu título de Doutor em Ciências Físicas na Universidade de Paris-França em 1974. Trabalhou em diversos tópicos teóricos nas áreas de fenômenos críticos, caos, dinâmica não linear, economia, psicologia cognitiva, entre outros.

Seu trabalho principal, de 1988, tem como objetivo generalizar a mecânica estatística de Boltzmann-Gibbs – um dos pilares da física teórica contemporânea -- em limites onde essa não é satisfeita. A proposta de generalização feita por Tsallis é ativamente estudada em todo o mundo. Uma vasta bibliografia existe com mais de 8.000 artigos relacionados diretamente com esta teoria, por aproximadamente 15.000 cientistas ao redor do mundo. Tsallis recebeu mais de 21.000 citações no ISI, que atualmente faz dele um dos mais citados cientistas de todos os tempos na América Latina, e seu trabalho de 1988, com mais de 5.700 citações, é a publicação exclusivamente brasileira mais citada desde 1945. Um dos resultados de maior notoriedade da teoria generalizada de Tsallis surgiu em fevereiro de 2010, quando cientistas do LHC utilizaram sua generalização para descrever dados gerados no CERN em colisões de partículas elementares ocorridas em altíssimas energias. Mais recentemente, um grupo experimental de Grenoble-França verificou (em matéria granular, com erro experimental de 2%) a predição feita por Tsallis 19 anos antes. Em recente ranking publicado na revista PLOS Biology (2020) por J. Ioannidis da Universidade de Stanford, o Prof. Tsallis aparece como o cientista brasileiro mais influente do mundo em todas as áreas (Faperj).

La Inteligencia Artificial (IA) ha tomado parte importante en el rol cotidiano de los seres humanos. Actualmente los investigadores en IA trabajan arduamente para automatizar procesos en diversas áreas de la humanidad, esto a través de modelos capaces de efectuar análisis profundos, y que además establecen procesos de aprendizaje automáticos afin de mejorar constantemente su desempeño. En este sentido, muchas áreas ligadas a la IA con un enfoque más especializado han ido creándose. Este es es caso de la Creatividad Computacional (CC), un área de investigación dedicado estudiar el Proceso Creativo. Boden describe el Proceso Creativo commo el conjunto de actividades que el hombre ejecuta para crear nuevos artefactos o hallazgos artísticos, entendiéndose por estos: piezas literarias, esculturas, pinturas, obras músicales, etc. Si bien la CC no tiene por objetivo el desarrollo de modelos que solucionen un problema específico en la sociedad, es tal el grado de complejidad que se aborda en esta área que muchas de sus investigaciones han sido retomadas por otros investigadores y aplicadas para distintos proyectos. Asistentes de chat en linea, sintetizadores de voz y traductores automáticos son claros ejemplos de proyectos desarrollados que han basado sus estudios en investigaciones de la CC.

Luis-Gil Moreno-Jiménez possui graduação em Qualidade de Software pela Université Paul Sabatier em Toulouse, França e também é Engenheiro em Tecnologia da Informação pela Universidad Tecnológica de la Selva em Chiapas, México. É mestre em Ciências da Computação pelo Centro de Investigación y Desarrollo Tecnológico em Cuernavaca, México. Tem realizado estadias de pesquisa na França, Brasil e México pelo Conselho Nacional de Ciência e Tecnologia e outras entidades acadêmicas. Este ano foi aceito como membro da Asociación Mexicana de Procesamiento del Lenguaje Natural e da Asociación Latinoamericana de Tecnologías del Lenguaje Humano. Alguns temas de pesquisa de seu interesse são: Machine Learning, Information Retrieval (IR), Processamento de Linguagem Natural, estudos de Modelos de Linguagem, Criatividade Computacional, entre outros. É também autor de dezenas de artigos científicos publicados tanto em revistas quanto em congressos internacionais (Alemanha, Portugal, Espanha, Suíça, Eslováquia, Colômbia e México). Atualmente está cursando o terceiro ano do doutorado em Informática na Université d'Avignon, França.

Na modelagem da transmissão de doenças, efeitos estocásticos, assim como a heterogeneidade das populações, são fatores importantes na determinação da dinâmica da epidemia.

No entanto, muitos modelos utilizados na tomada de decisão não incorporam de forma adequada estes fatores. Nesta apresentação, os efeitos da heterogeneidade e estocasticidade serão discutidos juntamente com algumas de suas representações matemáticas mais comuns. Também discutiremos o impacto destes fatores no planejamento de campanhas de vacinação e no alcance da desejada imunidade de rebanho.

Professor associado de Epidemiologia Matemática da Escola de Matemática Aplicada de FGV, Flávio é Biólogo e mestre em Engenharia Biomédica com doutorado em Biologia Quantitativa pela Universidade do Texas em Arlington. Trabalha há mais de 15 anos com a modelagem matemática da transmissão de doenças infecciosas. Também é docente permanente do programa de pós-graduação em Biologia Computacional e de Sistemas da Fiocruz.

As entidades nomeadas (ENs) estão entre os tipos de informação mais relevantes que podem ser usadas para indexar e recuperar documentos digitais de forma eficiente. Além disso, o processo de desambiguação (Entity Linking - EL), que permite que as ENs sejam desambiguadas e ligadas a bases de conhecimento, fornece informações adicionais que podem ser úteis na diferenciação de elementos ambíguos, tais como localizações geográficas e nomes próprios. Em documentos históricos, a detecção e desambiguação de ENs é um desafio. A maioria dos documentos históricos são convertidos para texto simples usando um sistema de reconhecimento óptico de caracteres (Optical character recognition - OCR), mas este processo também acrescenta ruído ao texto. Como resultado, os documentos em bibliotecas digitais serão indexados com erros que podem dificultar sua acessibilidade. Os erros do OCR afetam não apenas a indexação de documentos, mas também a detecção, desambiguação e vinculação de ENs. Este seminário tem como objetivo analisar o desempenho de diferentes abordagens do EL em dois corpora históricos multilíngues, CLEF HIPE 2020 (inglês, francês, alemão) e NewsEye (finlandês, francês, alemão, sueco). Propomos várias técnicas para reduzir o impacto dos erros OCR sobre o problema EL. Nossas descobertas indicam que as abordagens propostas não apenas ultrapassam as baselines em ambos os corpos, mas também reduzem significativamente o impacto de problemas relacionados a documentos históricos em diferentes assuntos e idiomas.

Elvys Linhares Pontes recebeu o título de Engenheiro da Computação pela Universidade Federal do Ceará, Sobral, Brasil, em 2013; mestrado em Engenharia Elétrica e Computação pela Universidade Federal do Ceará, Sobral, Brasil, em 2015; e o doutorado em Ciência da Computação pela Avignon Université, França, em 2018. Professor temporário e assistente de pesquisa em 2019 no laboratório LIA (Laboratoire Informatique d'Avignon), Avignon Université, França. Atualmente, ele faz um pós-doutorado na La Rochelle Université (França). Seus interesses de pesquisa incluem resumo de textos, compressão de frases, entidades nomeadas, recuperação de informações e inteligencia artificial para processamento da linguagem natural.

O grafo de interseção de uma família de conjuntos F = {S1, S2, ..., Sn} é um grafo onde cada vértice vi está associado a um elemento Si de F , com 1≤ i ≤ n, e dois vértices vi e vj são adjacentes se, e somente se, Si ∩ Sj ≠ Ø. Grafos de interseção fornecem teoria para fundamentar grande parte da teoria dos grafos. Eles têm aplicações reais para tópicos como biologia, computação, análise de matrizes e estatística.

Nesta palestra veremos alguns conceitos básicos da área, exemplos de algumas classes bem conhecidas e estudadas, como grafos de intervalo e grafos cordais, bem como alguns dos principais resultados encontrados na literatura.

Vitor Tocci possui bacharelado em Matemática pela UERJ (2014), mestrado em Ciências Computacionais pela UERJ (2018) e atualmente cursa doutorado em Ciências Computacionais pela UERJ. Sua pesquisa se concentra na área de Teoria dos grafos, com ênfase em grafos de interseção de caminhos em grades retangulares.

Todos os dias as pessoas se deparam com questões como "Que caminho devo seguir para trabalhar hoje?" "Devo mudar para uma operadora de celular diferente?" "Como devo investir meu dinheiro?" ou "Vou ter câncer?" As questões indicam nosso desejo de conhecer eventos futuros e desejamos sinceramente tomar as melhores decisões em relação a esse futuro.

Geralmente tomamos decisões com base em informações. Em alguns casos, temos dados tangíveis e objetivos, como o tráfego matutino ou o boletim meteorológico. Outras vezes usamos a intuição e a experiência como "Eu devo evitar a ponte esta manhã porque geralmente ela fica congestionada quando chove" ou "Eu deveria fazer um teste de PSA porque meu pai teve câncer de próstata". Em ambos os casos, estamos prevendo eventos futuros dadas as informações e experiências que temos atualmente, e estamos tomando decisões com base nessas previsões.

O processo de desenvolvimento desses tipos de ferramentas evoluiu em vários campos, como química, ciência da computação, física e estatística, e tem sido chamado de "aprendizado de máquina", "inteligência artificial", "reconhecimento de padrões", "mineração de dados". análise preditiva "e" descoberta de conhecimento ". Enquanto cada campo aborda o problema usando diferentes perspectivas e conjuntos de ferramentas, o objetivo final é o mesmo: fazer previsões.

Nesta apresentação serão abordados modelos preditivos usando algoritmos de aprendizado de máquina visando a classificação de tipos de vidros de interesse da química forense e de propriedades físicas de biodiesel e suas misturas usando dados de espectroscopia vibracional (Infravermelho médio e próximo e Raman).

Aderval Severino Luna possui graduação em Química Industrial pela Universidade do Estado do Rio de Janeiro, mestrado em Química Analítica Inorgânica pela PUC-Rio, doutorado em Química Analítica Inorgânica PUC-Rio. Realizou um estágio de pós-doutoramento em quimiometria na Universitat Rovira i Virgili em Tarragona, Espanha. Atualmente é professor titular da Universidade do Estado do Rio de Janeiro e docente permanente do Programa de Pós-graduação em Engenharia Química da UERJ. Faz parte do Corpo Editorial International Journal of Analytical and Bioanalytical Methods e outros e escreveu um livro de Química Analítica Ambiental. Pesquisado de Produtividade do CNPq, nível 1D, do Programa Pró-Ciência: UERJ e do Programa Cientista de Nosso Estado (CNE): FAPERJ.