Em 1º de outubro, a TU Ilmenau está lançando um grupo de pesquisa júnior que pesquisará algoritmos computacionalmente eficientes que não são instalados como software em um computador convencional, como era o caso anteriormente, mas são implementados como hardware físico. Isso tornará possível fazer previsões em uma ampla variedade de áreas, como medicina, trânsito ou clima – e de uma maneira extremamente eficiente em termos de energia. A Carl Zeiss Foundation está financiando o grupo de pesquisa júnior com quase 1,3 milhão de euros ao longo de cinco anos como parte do programa Nexus, com o qual apoia jovens cientistas excepcionais que implementam ideias interessantes nas interfaces entre várias disciplinas em matemática, ciência da computação, ciências naturais e tecnologia.
Sistemas com dinâmica complexa são onipresentes na natureza e na vida cotidiana: sistemas biológicos como o coração humano, por exemplo, ou modelos de tráfego, sistemas meteorológicos e o clima global. Com todos esses fenômenos, há um desejo de ser capaz de fazer previsões. O objetivo é ser capaz de prever o desenvolvimento temporal de variáveis dinâmicas para reconhecer desenvolvimentos indesejáveis em um estágio inicial e tomar as precauções adequadas: o médico assistente quer ser capaz de prever como o batimento cardíaco de seu paciente mudará, serviços de tráfego onde ocorrerá um engarrafamento e meteorologistas quando chuva forte for iminente. Esta é uma tarefa ambiciosa, pois todos esses sistemas são extremamente complexos, seus processos são frequentemente caóticos e difíceis de calcular, e frequentemente apenas dados de medição insuficientes estão disponíveis.
A necessidade de algoritmos que possam fazer previsões precisas está crescendo constantemente. Como resultado, o consumo de energia dos dispositivos eletrônicos que tornam as previsões possíveis está se tornando um problema. Isso ocorre porque a revolução digital é acompanhada por uma demanda cada vez maior por energia – e, portanto, por emissões cada vez maiores do gás de efeito estufa, dióxido de carbono, prejudicial ao clima. Projeções científicas preveem que, em cerca de 10 anos, toda a produção global de energia elétrica pode não ser mais suficiente para cobrir os requisitos de energia do hardware de TI.
A Dra. Lina Jaurigue do Grupo de Física Computacional da TU Ilmenau, que lidera o grupo de pesquisa júnior de quatro membros, sabe que a eficiência energética é a ordem do dia em um mundo cada vez mais digitalizado: “Estamos desenvolvendo algoritmos computacionalmente eficientes que não são implementados como software em um computador convencional, mas podem ser realizados com hardware físico. Em vez de ter que vincular logicamente todas as mudanças irregulares em um sistema, como era o caso anteriormente, exploramos as propriedades não lineares inerentes de elementos físicos para os algoritmos. Isso é muito mais eficiente em termos de energia.”
O grupo de pesquisa com o título de especialista “Modelos interpretáveis para predição eficiente de séries temporais analógicas” baseia seu trabalho na chamada computação de reservatório, uma abordagem de aprendizado de máquina do campo da inteligência artificial, na qual redes fixas, grandes e de ação aleatória são usadas como reservatório para realizar cálculos. Por exemplo, o sistema dinâmico que serve como reservatório pode ser uma rede de osciladores micromecânicos ou um laser semicondutor de autofeedback óptico – ambos os quais podem ser operados de forma muito eficiente em termos de energia.
Atualmente, a capacidade preditiva de grandes reservatórios é analisada principalmente estatisticamente e não é possível interpretar os algoritmos. Os jovens cientistas liderados pela Dra. Lina Jaurigue, de 35 anos, realizarão suas investigações teóricas em pequenos sistemas usando métodos de dinâmica não linear: “Esperamos obter insights sobre os mecanismos subjacentes dos algoritmos e, acima de tudo, identificar as propriedades que são necessárias para fazer boas previsões. O tamanho e a complexidade do reservatório treinado podem então ser reduzidos o máximo possível, resultando em um algoritmo compacto que é adaptado às suas tarefas.”
O trabalho de pesquisa de Lina Jaurigue e sua equipe permite dispositivos de ponta baseados em hardware e extremamente eficientes em termos de energia para uma ampla gama de aplicações industriais, médicas e científicas – componentes de hardware prestes a digitalizar o mundo físico: dispositivos compactos que fornecem aos pacientes com diabetes previsões precisas de seus níveis de açúcar no sangue ou preveem o desgaste de peças de desgaste ou a falha de máquinas inteiras.
Artigo no periódico “Machine Learning, Science and Technology”:
https://iopscience.iop.org/journal/2632-2153
Sobre a Fundação Carl Zeiss
A Fundação Carl Zeiss estabeleceu para si a meta de criar escopo para avanços científicos. Como parceira da ciência de excelência, ela apoia a pesquisa básica, bem como a pesquisa e o ensino orientados para a aplicação nas disciplinas STEM (matemática, ciência da computação, ciências naturais e tecnologia). Fundada em 1889 pelo físico e matemático Ernst Abbe, a Fundação Carl Zeiss é uma das maiores e mais antigas fundações privadas de promoção da ciência na Alemanha. É a única proprietária da Carl Zeiss AG e da SCHOTT AG. Seus projetos são financiados pelos dividendos distribuídos pelas duas empresas da fundação.
Dra. Lina Jaurigue
Grupo de Física Teórica 2 / Física Computacional
+49 3677 69-3649
[email protected]
