Pesquisa brasileira que usa IA para identificar fenômenos raros no Universo recebe prêmio internacional

Trabalho desenvolvido por doutorando do CBPF e integrante do LAB-IA foi reconhecido como melhor na escola avançada promovida pelo ICTP, na Itália

Trabalho desenvolvido por doutorando do CBPF e integrante do LAB-IA
foi reconhecido como melhor na escola avançada promovida pelo ICTP, na Itália

Rio de Janeiro, setembro de 2026 – O doutorando do Centro Brasileiro de Pesquisas Físicas (CBPF) e integrante do Laboratório de Computação e Inteligência Artificial (LAB-IA), Phelipe Darc, recebeu o prêmio de melhor trabalho durante a Advanced School in Applied Machine Learning: Uncertainty and Robustness of Deep Learning Models for Science. Promovido pelo International Centre for Theoretical Physics (ICTP), realizado entre 23 e 31 de julho, em Trieste, na Itália.

O reconhecimento foi concedido ao trabalho “Intelligent Agents and Physical Modeling of Transients in the Rubin Era”, que propõe o uso de agentes de inteligência artificial para ajudar cientistas a identificar fenômenos astronômicos de interesse em meio ao enorme volume de dados produzido pelo Observatório Vera C. Rubin.

IA para selecionar os eventos mais relevantes do UniversoInstalado no Chile, o Observatório Vera C. Rubin monitora repetidamente grandes regiões do céu para identificar objetos e fenômenos que mudam ao longo do tempo. Entre eles estão os chamados transientes: eventos de duração limitada ou que apresentam variações rápidas de brilho, como explosões de estrelas e supernovas.

A capacidade de observação do Rubin representa um avanço importante para a astronomia, mas também traz um desafio: selecionar, entre uma quantidade muito elevada de alertas gerados todas as noites, quais eventos devem ser estudados com mais atenção.

Alguns desses fenômenos exigem uma resposta rápida e precisam ser acompanhados por outros telescópios antes que desapareçam ou mudem de estágio. Como o tempo de observação disponível é limitado, os pesquisadores precisam definir quais candidatos são mais relevantes para cada investigação.

A pesquisa de Phelipe combina agentes de inteligência artificial, modelagem física e comparação de modelos bayesianos para desenvolver um sistema de recomendação. A ferramenta poderá avaliar candidatos a transientes e indicar os mais relevantes de acordo com o perfil do pesquisador e o objetivo científico do estudo.

A proposta pode ajudar a comunidade astronômica a decidir quais eventos devem receber observações complementares no infravermelho e no espectro óptico, além de análises espectroscópicas.

“Todas as noites, corremos o risco de perder transientes interessantes que poderiam nos ajudar a compreender o Universo e os mecanismos físicos por trás dessas explosões. Isso acontece por causa da enorme quantidade de dados que precisamos analisar e do número de observações que precisamos propor. Por isso, necessitamos de sistemas inteligentes de recomendação que ajudem a comunidade astronômica a aproveitar plenamente as capacidades dos telescópios e a descobrir supernovas raras e outros eventos explosivos ainda em sua fase de ascensão”, explica Phelipe.

IA como apoio às decisões científicasO estudo está inserido em uma questão cada vez mais relevante para a astronomia: como transformar volumes crescentes de dados observacionais em conhecimento científico útil.

Ao integrar inteligência artificial e conhecimento científico, o sistema proposto busca apoiar a tomada de decisão sem substituir a avaliação dos pesquisadores. A tecnologia funcionaria como uma ferramenta para filtrar e organizar candidatos, facilitando a identificação de eventos potencialmente raros ou relevantes.

A participação na instituição também permitiu que o trabalho fosse discutido com pesquisadores dedicados a diferentes aplicações do aprendizado de máquina. O prêmio representa um reconhecimento internacional à pesquisa e às novas possibilidades de uso da inteligência artificial na investigação do Universo.

Instituição reúne aplicações de IA para a ciênciaA Advanced School in Applied Machine Learning foi organizada pelo ICTP em parceria com a International School for Advanced Studies (SISSA), a Trieste Data Science and Artificial Intelligence (TSDS) e a AREA Science Park.

Voltada principalmente a estudantes de doutorado e pesquisadores em início de carreira, a escola apresentou ferramentas para o uso de deep learning em aplicações científicas. A programação abordou temas como quantificação de incertezas em aprendizado de máquina, inferência baseada em simulações, redes neurais bayesianas e computação de alto desempenho.

O evento reuniu participantes de diferentes áreas e palestrantes ligados a instituições de pesquisa, universidades e empresas de tecnologia, com aulas, tutoriais, apresentações de trabalhos e uma sessão de pôsteres.

Sobre o LAB-IAO Laboratório de Computação e Inteligência Artificial (LAB-IA) do Centro Brasileiro de Pesquisas Físicas (CBPF) desenvolve pesquisas e soluções tecnológicas na interseção entre inteligência artificial, computação de alto desempenho e ciência. Formado por uma equipe multidisciplinar, o laboratório cria e aplica algoritmos para analisar grandes volumes de dados, modelar sistemas complexos e apoiar descobertas em áreas como astrofísica, cosmologia, geofísica, petrofísica, física de partículas, novos materiais, energia e medicina. Para saber mais, acesse: labia.cbpf.br/pt.