Francisco Aparecido Rodrigues.

O projeto visa a disseminação do conhecimento em Estatística, Sistemas Complexos, Ciência de Dados e Simulações Computacionais. Para isso, são disponibilizadas, periodicamente, aulas na plataforma Youtube: https://www.youtube.com/franciscorodrigues

Descrição: O projeto Fenômenos Coletivos em Sistemas Neurais: Experimentos, Análise de Dados e Modelagem Computacional" tem como objetivo principal criar uma rede internacional de pesquisadores brasileiros para investigar fenômenos coletivos em sistemas neurais. Ele integra três frentes: análise de dados experimentais, modelagem computacional e a implantação de um setup experimental inovador no Brasil. Na análise de dados experimentais, serão utilizados registros de atividade neural em humanos e animais, com técnicas avançadas como eletrofisiologia, ressonância magnética funcional e eletroencefalografia intracraniana. O objetivo é identificar assinaturas de criticalidade e complexidade no comportamento neural, proporcionando novos entendimentos sobre o cérebro e suas patologias. A modelagem computacional visa desenvolver modelos que simulem os padrões de atividade observados nos experimentos. Esses modelos permitirão explorar a dinâmica neural e seu papel no processamento de informações. O projeto também implantará um sistema Neuropixels no Laboratório de Eletrofisiologia do Departamento de Física da Universidade Federal de Pernambuco, permitindo o registro simultâneo de centenas de neurônios em alta densidade. O Dr. Antonio Fontenele, pesquisador da Universidade do Arkansas, virá ao Brasil em missão científica para auxiliar na instalação do sistema, trazendo sua expertise com esse equipamento. Além disso, o projeto promove a formação de recursos humanos através de workshops, seminários e minicursos, focando na capacitação de estudantes em análise de dados, modelagem e experimentação. O fortalecimento das colaborações internacionais contribuirá para a consolidação do Brasil como um polo de excelência em neurociência de sistemas e computacional..

O Centro de Pesquisa Aplicada em Inteligência Artificial, IARA, é formado por uma equipe multidisciplinar, com especialistas nacionais com competência internacionalmente reconhecidas em inteligência artificial, telecomunicações, internet das coisas e cidades inteligentes. O centro sediado em São Carlos, estado de São Paulo, funcionará em rede com pesquisadores de todas as regiões do Brasil, organizado em nós ou subsedes. Assim, um diferencial desta proposta de centro é que, com o centro sediado em São Carlos, será formada uma rede de nós, ou sub-sedes, localizados em Instituições Científica, Tecnológica e de Inovação de todas as regiões do país. O centro tem pesquisadores de várias instituições de ciência e tecnologia do estado de São Paulo, incluindo todas as universidades públicas. A rede tem por meta cobrir cinco aspectos de cidades inteligentes: cibersegurança, educação, infra-estrutura, meio-ambiente e saúde. No aspecto relacionado a infra-estrutura, são de particular interesse os subtemas de energia, comunicação e mobilidade. Por seu caráter aplicado, foi firmado um acordo para colaboração futura com algumas cidades do país e participa também um grupo de empresas cujas atividades englobam os temas mencionados. Serão enfatizadas no centro a transferência de tecnologia, a educação e a divulgação de conhecimento para o uso correto, justo, transparente e eficiente de Inteligência Artificial para o fomento de cidades inteligentes no Brasil e no exterior. (AU)

Sistemas complexos são formados por partes discretas que interagem de forma não linear, sendo a internet, redes sociais e ecossistemas, alguns exemplos de tais sistemas. Um dos grandes desafios no estudo desses sistemas é tentar prever como a sua estrutura, representada por redes complexas, influencia processos dinâmicos, tal como a propagação de informação ou sincronização de osciladores. Nesse projeto, propomos considerar métodos de aprendizado de máquina e estatística para realizar a previsão e inferência de processos dinâmicos em redes. Basicamente, vamos considerar métodos de inferência Bayesiana para determinar quais propriedades da rede mais influenciam processos dinâmicos, incluindo propagação de epidemias e sincronização de osciladores acoplados. Métodos de aprendizado de máquina serão empregados para realizar a previsão de tais processos. Aplicações, que incluem predição de links, diagnóstico de doenças metais e propagação de doenças infecciosas também serão consideradas nesse projeto. Os estudos propostos aqui deverão fornecer uma nova visão sobre a área de Sistemas Complexos e criar um novo campo de estudo que inclui o uso de métodos de Aprendizado de Máquinas e Estatística na modelagem e predição de Sistemas Complexos. (AU)

The study of complex systems by moving agents and multilayer networks is very recent and there are several issues to be addressed, as we propose in this project. Particularly, we aim at developing a new model of synchronization of traveling agents, considering different types of interaction and rough landscapes for particles moving. We will be able to determine conditions for phase transition and the influence of parameters related to the dynamics of agents on the emergence of the collective behavior. Epidemic and rumor spreading will also be analyzed on the context of traveling particles to determine how different properties, such as velocity and roughness of the landscape, influence the propagation. Regarding multilayer networks, we will analyses how the propagation of awareness in a layer affects the disease transmission in the other layer. With this study, we will be able to develop methods for epidemic control based on dissemination of rumors about the pathogen. Finally, we will consider methods of network science to model time series extract from simulation of turbulent flow. All these studies will enable a better understand of the dynamics of complex systems and will enable to start the collaboration between the Centre for Complexity Science at the University of Warwick and the Complex Systems Group at the University of São Paulo. (AU)

Projeto financiado pela Leverhume Trust na University of Warwick.

Pesquisador Responsável, Auxílio à Pesquisa - Regular, Fapesp, 

A propagação de epidemias pode ocorrer por diversos meios, o que define diferentes rotas que podem ser mapeadas em diferentes camadas de uma rede social. Entender como a estrutura de rede influencia a propagação de epidemias e rumores é um dos grandes desafios em epidemiologia computacional. Nesse projeto, estamos interessados em usar métodos de inferência estatística para quantificar quais propriedades da rede mais influenciam a propagação. Ademais, vamos modelar redes sociais como constituídas por diversas camadas, cada uma representando um tipo de interação social. Finalmente, objetivamos estudar como a propagação de informação sobre uma epidemia pode auxiliar no seu controle. Esses estudos deverão contribuir para o desenvolvimento de métodos para previsão e controle de processos epidêmicos. 

https://bv.fapesp.br/pt/auxilios/96474/propagacao-de-informacao-em-redes-complexas/

Sistemas complexos são formados por partes discretas que interagem de forma não-linear e podem ser representados como redes complexas. A análise de tais sistemas tem importância fundamental no estudo do cérebro, da sociedade, da Internet, da World Wide Web e de cadeias alimentares. Nesse projeto, propomos complementar os trabalhos relacionados com a análise da influência da organização de redes complexas na evolução de processos dinâmicos. Vamos analisar como a presença de ciclos de ordem três influência o espectro de redes, que está diretamente relacionado com processos dinâmicos, tais como sincronização e propagação de epidemias. Vamos complementar os estudos relacionados ao processo de sincronização explosiva em redes complexas, de modo a determinar como propriedades locais de osciladores levam à emergência de tal fenômeno. Processos dinâmicos serão analisados em redes espaciais, de modo a determinar como as propriedades espaciais das redes interferem em tais processos. Desenvolveremos modelos de propagação de rumores baseados em cadeias de Markov e investigaremos como métodos de regressão podem ser usados para prever a evolução de dinâmicas sociais. Finalmente, vamos determinar como padrões de conexões influenciam processos dinâmicos com o uso de ferramentas de mineração de dados. Essas pesquisas permitirão quantificar como a organização de diferentes sistemas complexos afeta processos dinâmicos, de modo a possibilitar um melhor entendimento sobre a relação entre estrutura e dinâmica de redes.

Projeto de colaboração internacional com a Aschaffenburg University of Applied Sciences, sendo financiado pale Fapesp e o Ministério de Estado de Ciências, Pesquisa e das Artes do Estado Livre da Baviera (STMWFK).

The main focus of the Center for Research in Mathematical Sciences Applied to Industry is to promote the use of mathematical knowledge, applied particularly to mathematics, statistics and computer science, as an industry resource.
http://www.cemeai.icmc.usp.br/
Pesquisador Principal.

A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados, mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa - eScience - que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo "dilúvio de dados". Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em tomo de cinco linhas de pesquisa - biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadas questões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas. Questões de interoperalidade permeiam todo o projeto. 
Projeto temático Financiado pela Fapesp

Nome do Projeto: Projeto NAP - PRP/USP "Núcleo de Apoio à Pesquisa de Aprendizado de Máquina em Análise de Dados"

A teoria das redes complexas é uma área relativamente nova da Ciência, inspirada por dados empíricos tais como os obtidos de interações sociais e biológicas. Esta área apresenta uma natureza altamente interdisciplinar, de modo que tem unido cientistas de diferentes áreas, tais como matemática, física, biologia, ciência computação, sociologia, epidemiologia e muita outras. De fato, muitos problemas da natureza podem ser modelados como redes, tais como o cérebro, interações proteicas, organizações sociais, o mercado financeiro, a Internet e a World Wide Web. Todos esses sistemas podem ser representados por grafos, isto é, vértices conectados por arestas. A organização desses sistemas tem uma influencia fundamental sobre muitos processos dinâmicos. Por exemplo, roteadores altamente conectados são fundamentais para manter o tráfego na Internet, enquanto que pessoas que possuem um grande número de amigos apresentam uma alta taxa de transmissão de doenças. Ao mesmo tempo, estudos têm mostrado que a estrutura do cérebro esta relacionada com doenças neurológicas, como a epilepsia, que está ligada à fenômenos de sincronização. Nesse projeto, apresentamos uma metodologia para estudar a relação entre topologias de redes complexas e processos dinâmicos. Tal estudo será realizado com a simulação de fenômenos de sincronização, falhas em cascata, propagação de epidemias e transporte de dados em redes. A estrutura de redes será caracterizada através de métodos de mineração de dados, que permitirão classificar redes de acordo com um conjunto de modelos e determinar padrões de conexões presentes na organização de diferentes tipos de sistemas complexos. As análises serão realizadas com aplicações em neurociências, biologia de sistemas, economia, meteorologia e cadeias alimentares.

Ao longo da última década, o enfoque de rede entre agentes dinâmicos com topologias complexas tem se tornado uma poderosa e eficaz metodologia a ser usada para entender sistemas elaborados, envolvendo um número muito elevado de agentes que interagem entre si. Esse enfoque vem sendo utilizado em várias áreas, desde Neurociência e Engenharia, até Sociologia e Economia. Contudo, até agora, a maior parte dos estudos tem se concentrado em situações onde a topologia é fixa, o que restringe sobremaneira sua utilização em cenários mais elaborados e próprios dos sistemas reais. Este projeto tem por objetivo estudar os princípios e fundamentos da auto-organização em redes complexas mais gerais, onde a topologia não é simples e a complexidade é muito elaborada. Visando aplicações em situações atuais de interesse, pretende-se, por conseguinte, compreender o papel que a heterogeneidade da estrutura, os atrasos em múltiplas escalas de tempo e espaço e a estocasticidade têm na dinâmica da rede. Esses estudos teóricos estarão interconectados a investigações experimentais da dinâmica de redes naturais com complexidade crescente, partindo de sistemas que envolvem alguns lasers, passando pela interação entre neurônios híbridos e chegando-se no sistema Terra. Esse último representa um formidável desafio para a teoria das redes complexas e será um dos tópicos centrais no âmbito desta iniciativa. Assim, via utilização do enfoque de redes complexas, tenciona-se entender a dinâmica de interação entre os vários subsistemas da Terra diante de condições variantes, em especial no que se refere ao aquecimento global e ao desmatamento da Amazônia. Este projeto é uma iniciativa internacional de colaboração envolvendo pesquisadores brasileiros e alemães do Instituto Nacional de Pesquisas Espaciais (INPE), da Humboldt University at Berlin, do Potsdam Institute for Climate Impact Research (PIK) and da Universidade de São Paulo (USP).

A partir de resultados empíricos obtidos de redes sociais, sistemas biológicos e redes de informação, surgiu a teoria das redes complexas, que tem sido largamente estendida com o desenvolvimento de um considerável conjunto de medidas e modelos para caracterizar,
comparar e representar sistemas complexos. Apesar de tais progressos, a caracterização, análise e classificação de redes complexas têm se restringido a um limitado número de medidas, implicando em resultados muitas vezes incorretos. Por isso, os modelos existentes atualmente não são precisos o suficiente para representar a maioria das redes reais. Para uma análise mais profunda, e portanto um aperfeiçoamento dessa área de pesquisa, nós
propomos a utilização de técnicas de mineração de dados na análise de redes a fim de utilizarmos diferentes métodos de classificação para obtermos melhor compreensão a respeito da estrutura e dinâmica das redes, bem como modelos mais precisos. Este estudo permitirá a construção de uma taxonomia para redes complexas e analisar diferentes métodos de classificação. A importância das medidas de redes na discriminação de sua estrutura e dinâmica também será analisada via mineração de dados. Finalmente, pretendemos aplicar os progressos obtidos na análise de redes reais, como a rede de
interação de proteínas, considerando aspectos relacionados à letalidade e função da proteínas, redes semânticas, redes de computação distribuída, além da Internet e World Wide Web.