Helder May Nunes da Silva Oliveira.

Este projeto visa solidificar a implantação da Rede de Computadores do Campus Arapiraca através da realização de mecanismos para avaliar a sua confiabilidade e sua disponibilidade. Estes mecanismos se baseiam na aplicação periódica de formulários junto à comunidade a fim de obter a sua satisfação em termos dos serviços oferecidos pela rede. Da mesma maneira, serão aplicados mecanismos baseados nos equipamentos da rede a fim de se obter a sua confiabilidade e disponibilidade. Estes mecanismos serão baseados em informações obtidas diretamente a partir do sistema e através de modelos, que capturam as suas principais características em termos de confiabilidade e disponibilidade. Finalmente serão analisados os resultados obtidos junto à comunidade com os resultados obtidos diretamente através dos equipamentos da rede. Estes resultados devem ser coerentes.

Divulgação e realização da Olimpíada Brasileira de Informática nas escolas públicas e particulares na cidade de Arapiraca e cidades circunvizinhas.

The continued growth of Internet traffic is driving telecom operators to provide robust, cost-effective, and performance-adaptive connectivity solutions to meet the Quality of Service requirements of applications. As a result, the risk of a capacity bottleneck is growing, which means that Internet technologies will not be able to satisfy the ever-growing demand for capacity. Optical networks are crucial for transmitting most internet traffic, as they offer the possibility of transporting data at high bit rates over distances ranging from national to global dimensions. For the projected growth to be feasible, the cost per bit of fiber transmission systems must be reduced, which precludes the installation of more fiber cables, as this is costly and disruptive. Therefore, increasing the capacity that optical networks can transmit is crucial to mitigate the risk of a capacity bottleneck. Since optical networks generate a massive amount of data, it is natural to consider applying data-driven techniques to achieve this. Machine learning (ML) is a promising way to unlock additional capacity in optical networks that has been extensively explored in the literature. In this context, the crucial problem addressed by this research project is the application of Deep Reinforcement Learning (DRL), to enhance the performance and adaptability of Multi-Mode Fiber (MMF) networks.

A simbiose entre a computação e a comunicação faz com que as atuais arquiteturas de redes de comunicação incluam elementos computacionais, tornando-as sistemas que processam e transmitem dados. Outra característica marcante das redes de comunicação é a incorporação da inteligência na borda, na rede de acesso e no núcleo da rede, o que vai muito além da execução de algoritmos de aprendizado de máquina com dados gerados pelos usuários e sensores. Se o emprego de IA em redes de comunicação se encontra em estágio incipiente, ela será um elemento fundamental nas futuras redes 6G.Para se alcançar os objetivos propostos, o projeto científico do INCT define linhas temáticas para enfrentar os desafios científicos, tecnológicos e de inovação. As linhas do INCT são: internet das coisas, IA, computação de borda, redes 5G/6G, redes ópticas de acesso, virtualização de redes, redes veiculares, segurança, cidades inteligentes, saúde digital, indústria e preservação ambiental. O grande número de dispositivos conectados à Internet das Coisas exige a manipulação de um alto volume de dados gerados por milhares de sensores, requerendo soluções que atendam requisitos de escalabilidade, distribuição geográfica, mobilidade, heterogeneidade, segurança e privacidade. A heterogeneidade de dispositivos, conexões intermitentes e a diversidade de estrutura de dados gerados por sensores são algumas das restrições tecnológicas para a implantação de uma IoT pervasiva. Outros fatores de capital importância a serem observados são a computação orientada à localidade dos dados e o alto volume de dados a serem transmitidos na rede. A alocação adaptativa e a orquestração de recursos são desafios a serem superados em redes IoT de larga escala com milhares de sensores. Atualmente, a execução de algoritmos de aprendizado de máquina é tipicamente em lote, ?offline? e centralizada. O gerenciamento de redes e seus serviços requer execução em massa de dados distribuídos e em tempo real. Em diversas situações, a validade temporal dos dados gerados é limitada, demandando a redução da latência na comunicação e processamento. Ademais, a transmissão de dados em ambiente distribuído está sujeita à qualidade dos canais de comunicação, ao congestionamento da rede e à energia disponível nos dispositivos móveis. Uma forte restrição adicional decorre da adoção da nova Lei Geral de Proteção de Dados -LGPD. A restrição de privacidade de dados é endereçada pela técnica de aprendizado federado. No entanto, inúmeros são os desafios em aprendizagem federado, tais como a caracterização da elegibilidade de clientes a participarem do aprendizado e o assincronismo nas transmissões de dados. A computação na borda consiste em trazer serviços oferecidos pelas nuvens computacionais para a borda da rede, mitigando os longos atrasos para acessar servidores em nuvens computacionais. Dispositivos na borda são tipicamente heterogêneos e possuem recursos limitados. Além disso, ainda não existem modelos abrangentes e tecnologias maduras para a orquestração inteligente e o ajuste dinâmico de recursos físicos ou virtualizados, de modo a satisfazer os requisitos de QoS em condições de rede e carga de trabalho variáveis. A generalização do processamento borda-nuvem inclui dispositivos localizados na rede de acesso e no núcleo, em um contínuo de recursos entre borda e nuvem. A alocação de recursos nesse contínuo requer soluções complexas e adaptativas, possíveis somente pelo uso de IA. Ademais, a execução de algoritmos de IA na borda da rede, a chamada inteligência na borda, traz diversos desafios quanto à redução da necessidade de comunicação de dados e a redução do consumo de energia. A recente tecnologia de redes celulares 5G possibilitará uma infinidade de aplicações com requisitos estritos de latência e alta demanda de banda passante. A adoção de virtualização de redes e computação de borda.

A linha de aprendizado em arquiteturas cognitivas tem como objetivo avançar o estado da arte da inteligência artificial por meio do emprego de aprendizado em agentes cognitivos. Em particular, serão analisados os desafios envolvidos no emprego de modelos de treinamento em dispositivos móveis com o intuito de melhorar a experiência do usuário com estes dispositivos. Neste cenário, diferentes paradigmas de aprendizado poderão ser empregados. Entretanto, dadas as características típicas do problema onde o agente cognitivo deve refletir as experiências de cada usuário, o treinamento de modelos baseado em Aprendizado por Reforço (AR) deve ser mais evidenciado. Entre os desafios da área temos: o projeto de funções de reforço que sejam capazes de avaliar implícita ou explicitamente a qualidade da tomada de decisão do agente e a forma de treinamento desses agentes, visto que modelos baseados em AR requerem inúmeras iterações para convergir. Por isso, a transferência de aprendizado, o offline RL e a construção de cenários simulados podem ser de grande importância.

A popularização de aplicativos de rede com altas demandas de largura de banda, como computação em nuvem, streaming de vídeo de alta definição e Internet das Coisas (IoT), tem aumentado exponencialmente o tráfego do núcleo da Internet nos últimos anos. A introdução dessas novas tecnologias tem demonstrado a incapacidade física das redes ópticas atuais no aprovisionamento de recursos em um futuro próximo, impulsionando o estudo de uma solução eficiente para incrementar a capacidade do núcleo da Internet. Tal solução deve ser capaz de prover caminhos ópticos eficientes, protegidos, que não sofram impacto de diafonia e que utilizem comutadores de baixa complexidade. Este projeto tem como objetivo avançar o estado da arte no que diz respeito a capacidade de comunicação do backbone da Internet, provendo soluções de provisionamento de redes ópticas de última geração. Para isso, o projeto irá investigar novas técnicas de viabilização em redes ópticas elásticas com multiplexação por divisão espacial, bem como propor mecanismos de roteamento, migração de serviços e proteção do núcleo da Internet considerando a diafonia e complexidade dos comutadores.

Os novos serviços digitais que foram popularizados nos últimos anos, como streaming de vídeo,computação em nuvem, e videochamadas em grupo, geraram um aumento expressivo na demanda detransmissão de dados. As redes de transporte, que canalizam fluxos em altas taxas de transmissão entre regiões diferentes de uma cidade ou entre cidades, são especialmente impactadas. Para suprir essa demanda são necessários a ampliação da infraestrutura baseada em fibras ópticas, única tecnologia capaz de atender taxas de transmissão acima de 1Tbps em longas distâncias, bem como o melhor aproveitamento das infraestruturas existentes. São grandes os desafios relacionados à complexidade de problemas envolvendo as diversas estratégias e tecnologias para atingir estas elevadas taxas de transmissão. Consideram-se utilizar outras bandas de transmissão no domínio óptico, evitando o desperdício de banda nos sistemas implantados, e a implantação de multiplexação espacial (space division multiplexing - SDM). Existem diversas possibilidades de ampliaçãode capacidade das redes respeitando o nível de resiliência requerido e a qualidade de transmissão para assegurar altas taxas, seja utilizando bandas de transmissão alternativas, seja pela implantação de fibras ópticas avançadas com canais espaciais paralelos. Neste cenário, os modelos de aprendizado de máquina despontam alternativa viável para lidar com a crescente complexidade das redes e sistemas de comunicação óptica. De fato, eles aparecem como ferramentas importantes para as mais diversas tarefas, como modelamento de dispositivos,estimação de parâmetros, alocação de recursos e mitigação de degradações. Este projeto tem como propósito eunir pesquisadores de São Paulo e Pernambuco, que já atuam independentemente na área, em um ambiente sinérgico de colaboração. Espera-se, assim, incorporar novas técnicas de aprendizado de máquina às redes ópticas de comunicação, com atenção especial às redes elásticas SDM e multibanda, resultando em sistemas mais eficientes, sustentáveis e com maior capacidade de transmissão.

de fraudes de consumo elétrico baseado no perfil da média de consumidores na rede.A solução apresentada neste projeto reflete o estado da arte em coleta, análise e detecção de consumo elétrico em uma rede real, em diferentes lugares do Brasil e perfis de consumo. Esta metodologia utiliza o que há de melhor e mais moderno na detecção destas fraudes utilizando algoritmos e técnicas de Machine Learning, Redes Neurais Convolucionais (CNNs), e Deep Learning, onde é possível detectar diferentes tipos de perdas energéticas não técnicas (geralmente fruto de furto) e tratar um grande volume de dados coletados a fim de prover informações para inspeção da rede de distribuição.

O objetivo geral do projeto MAYA é desenvolver e implementar tecnologias inovadoras, disruptivas e seguras para aumentar a adesão de atividades físicas prescritas e monitorar a resposta de variáveis fisiológicas, durante as atividades físicas para prevenção e reabilitação de doenças cardiovasculares. O projeto MAYA propõe superar este desafio através de três abordagens integradas: (i) o uso de aplicações com um sistema de gamificação para aumentar a adesão dos usuários; (ii) a utilização de um sistema de biofeedback para o monitoramento das atividades físicas prescritas; e (iii) implantar e testar um sistema protótipo.

Com o crescimento exponencial do tráfego na Internet, operadoras de comunicação são compelidas a fornecer soluções de conectividade de alta capacidade, custo-benefício, e confiabilidade, para atender aos requisitos de Qualidade de Serviço das aplicações. No entanto, as redes ópticas monomodo, que compõem o núcleo da Internet, atingiram o limite físico de transmissão, impulsionando a adoção da multiplexação por divisão espacial. A maior parte dos requisitos para a implantação destas redes são desafios em aberto, como por exemplo: algoritmos de seleção de caminho óptico, técnicas de proteção, impacto de diafonia entre núcleos, utilização de diferentes tipos de modulação, quantidade adequada de núcleos por fibra, alocação de recursos, complexidade dos comutadores, agregação de tráfego e consumo energético. Assim, o problema crucial a ser endereçado por este projeto de pesquisa é a implementação de mecanismos para a viabilização da implantação de redes ópticas elásticas com multiplexação por divisão espacial com intuito de incrementar a capacidade do núcleo da Internet.

A multiplexação por divisão espacial é uma solução promissora proposta para que as redes ópticas elásticas possam lidar com o esgotamento esperado da capacidade das redesde único núcleo. A introdução da multiplexação por divisão espacial em redes ópticas traz novos desafios para proteção de redes, uma vez que um caminho de luz pode abranger uma alta capacidade e transmitir dados a diferentes taxas. Dessa forma, uma solução eficiente para proteção de redes ópticas elásticas com multiplexação espacial deve ser capaz de incrementar a capacidade da rede, garantindo 100 de confiabilidade. Este projeto tem como objetivo avançar o estado da arte para proteção de redes ópticas elásticas com multiplexação por divisão espacial provendo soluções de proteção que consideram o crosstalk e a menor utilização de recursos da rede.

TBD.

A multiplexação por divisão espacial é uma solução promissora proposta para que as redes ópticas
elásticas possam lidar com o esgotamento esperado da capacidade das redes de único núcleo. A in-
trodução da multiplexação por divisão espacial em redes ópticas traz novos desafios para proteção
de redes, uma vez que um caminho de luz pode abranger uma alta capacidade e transmitir dados
a diferentes taxas. Dessa forma, uma solução eficiente para proteção de redes ópticas elásticas com
multiplexação espacial deve ser capaz de incrementar a capacidade da rede, garantindo 100% de con-
fiabilidade. Este projeto tem como objetivo avançar o estado da arte para proteção de redes ópticas
elásticas com multiplexação por divisão espacial provendo soluções de proteção que consideram o
crosstalk e a menor utilização de recursos da rede possı́vel.

Propõe-se nesse projeto, a criação de um paradigma de comunicação confiável capaz de
coletar e disseminar os conteúdos em regiões onde o acesso à redes infraestruturadas é limitado
ou inexistente. Além disso, os dados de navegação gerados dentro da escola serão capturados e
transportados até um local com internet para realizar a transmissão para a base central do
sistema da empresa. Nos casos de inoperabilidade da internet, a atualização desses conteúdos e
ferramentas deverá ser através das redes oportunísticas, compostas por dispositivos móveis
inteligentes com capacidade de processamento e comunicação. Essa tecnologia tornará a
atualização automática independente da conexão à rede. Somado a isso, o novo SCO, ou SCO3,
terá o comportamento sistêmico idêntico ao Portal Online.

Estamos no in#305;#769;cio de uma nova era, a era Big Data, na qual a explosão de dadosoferece a possibilidade de se extra#305;#769;rem informações importantes para novos empreen-dimentos com impacto em diversos setores da Sociedade. Os requisitos impostos peloprocessamento Big Data superam a atual capacidade das infraestruturas de comunicaçãoe de processamento. Além disso, a grande disseminação de sensores introduz um novoperfil de geração de dados, impondo diferentes demandas à infraestrutura. Desta forma,para que a atividade de Big Data possa se desenvolver, é necessário capacita-la para tal, oque requer a evolução das tecnologias de rede, virtualização e computação em nuvem. Opresente projeto de pesquisa pretende investigar novas arquiteturas, mecanismos e ferra-mentas para dotar a infraestrutura de capacidade para lidar com as demandas desafiadorasimpostas pelo processamento Big Data.

O grande crescimento que se espera da Internet com a proliferação de vídeos de alta definição, de serviços banda larga e móveis, de aplicações em tempo real e conteúdos gerados pelos usuários só será viável com avanços tecnológicos que permitam o barateamento das telecomunicações e que, ao mesmo tempo permitam uma redução substancial do tamanho e consumo energético dos dispositivos das redes. O INCT Fotônica para Comunicações Ópticas (FOTONICOM) pequisa novas tecnologias que poderão viabilizar esse crescimento. O desenvolvimento de dispositivos nanofotônicos integrados e compatíveis com produção de escala estão dentre as pesquisas do FOTONICOM. A principal missão do FOTONICOM é estabelecer um programa para o desenvolvimento nacional das comunicações ópticas através de melhoras nos sistemas de pesquisa e de educação, na transferência de conhecimento para a sociedade e na interação academia-empresa. Grupos articulados de pesquisa compartilham facilidades laboratoriais e se complementam em competência para realizar pesquisas fundamentais em dispositivos fotônicos, sistemas e redes ópticas. Possuem ainda colaborações externas com grupos de excelência no exterior.