Modelagem híbrida usando métodos numéricos avançados e aprendizado de máquina
Resumo: O avanço recente das técnicas de modelagem computacional, aprendizado de máquina e ciência de dados vem transformando significativamente a Engenharia de Processos, a Ciência dos Materiais e áreas correlatas. Em particular, o surgimento de abordagens híbridas que combinam modelos físico-matemáticos clássicos com técnicas modernas de inteligência artificial tem permitido o desenvolvimento de modelos mais robustos, interpretáveis e capazes de lidar com sistemas complexos, não lineares e sujeitos a incertezas.
Nesse contexto, este projeto propõe consolidar uma linha de pesquisa voltada ao desenvolvimento de modelos híbridos físico-computacionais aplicados a problemas de Engenharia Química, Engenharia de Materiais e Engenharia de Sistemas. A proposta integra fundamentos de modelagem matemática, métodos numéricos avançados, problemas inversos, inferência Bayesiana e técnicas de aprendizado de máquina com física informada, com destaque para as Redes Neurais com Física Informada (Physics-Informed Neural Networks PINNs).
A proposta contempla aplicações em diferentes contextos, incluindo modelagem de processos industriais, sensores virtuais, monitoramento e controle, fenômenos de transferência de calor e massa, materiais compósitos, crescimento de porosidade, problemas térmicos inversos, sistemas dinâmicos complexos e modelagem multifísica.
Do ponto de vista metodológico, pretende-se integrar técnicas clássicas e contemporâneas, tais como:
Métodos de elementos finitos e diferenças finitas;
Métodos livres de malha;
Método das Soluções Fundamentais (MFS);
Problemas inversos determinísticos e estocásticos;
Inferência Bayesiana e quantificação de incertezas;
Redes neurais artificiais;
Redes neurais recorrentes e modelos híbridos;
Echo State Networks (ESN);
PINNs e arquiteturas híbridas físicodata-driven.
O projeto possui caráter fortemente interdisciplinar e pretende servir como plataforma integradora para projetos de iniciação científica, trabalhos de conclusão de curso, dissertações, teses, cooperações internacionais e desenvolvimento de ferramentas computacionais aplicadas à Engenharia.
Além da produção científica, espera-se contribuir para a formação de recursos humanos qualificados em modelagem avançada, computação científica e inteligência artificial aplicada à Engenharia, fortalecendo a inserção nacional e internacional do PPEQ/UFES e do grupo MOAP.
Data de início: 05/05/2026
Prazo (meses): 60
Participantes:
Papel |
Nome |
|---|---|
| Aluno Doutorado | IGOR FALCAO TOSI |
| Aluno Doutorado | WANCLEY OINHOS PEDRUZZI |
| Aluno Doutorado | ISIDRO ALEJANDRO ARGUETA FLORES |
| Aluno Mestrado | EDUARDO NEIVA DE REZENDE NETO |
| Aluno Mestrado | MARCUS VINICIUS RANGEL SCHNEIDER |
