Cássio Guimarães Lopes.

In this project tensor decompositions are studied in order to achieve more efficient deep learning networks. The core idea is to arrive at decompositions that allow for complexity reduction, while preserving learning and accuracy, as much as possible. The international team has Prof. Cassio Lopes (PI) and Prof. Phillip Burt in the Brazilian side, both from Escola Politecnica, University of Sao Paulo. The French part of the team is composed of Prof. Marie Chabert, another PI from the French side, along with Prof. Henrique Goulart and Aubin Mouras; they are affiliated with IRIT/INP-ENSEEIHT in Toulouse. Funding comes from CNRS (Centre National de Recherche Scientifique).

Desenvolvimento de metodologia para estimação dos parâmetros de admitância e impedância, baseada em técnicas de identificação e filtragem ótima, a partir de medições de corrente e tensão ruidosas nos terminais emissor e receptor de sistemas submarinos de transmissão de energia elétrica. Ao assumir uma fonte de medição acessível e periódica, os parâmetros dos cabos podem ser estimados periodicamente e, portanto, importantes índices de estabilidade de tensão e capacidade de carga podem ser monitorados em tempo real, tais como: potência natural (surge impedance load SIL), potência crítica e margem de estabilidade. Nesse sentido, a premissa da metodologia recai sobre o monitoramento periódico e contínuo dos parâmetros e da margem de estabilidade, pois ambos estão intrinsecamente relacionados à integridade dos cabos submersos, em termos mecânicos e elétricos. Este projeto é desenvolvido em colaboração com o RCGI Research Centre of Greenhouse Innovation

As Fontes Renováveis de Energia (FRE) têm atraído o interesse da sociedade como a principal solução do setor elétrico para o combate às mudanças climáticas. Por conta de sua natureza variável, as FRE oferecem um grande desafio do ponto de vista da operação de sistemas de potência modernos. A adoção de sistemas Multi-Terminais em Alta Tensão em Corrente Contínua (MT-HVDC) é uma alternativa que possibilita a operação de sistemas de potência com elevados níveis de penetração de FRE. Um sistema MT-HVDC pode integrar sistemas elétricos vizinhos com características complementares, fazendas eólicas offshore e sistemas de armazenamento de energia, aumentando a flexibilidade da operação do sistema. Porém, a modelagem e o controle destas redes são tarefas complexas, especialmente se cabos submarinos estão envolvidos. O Conversor Modular Multinível (MMC) empregado em sistemas de alta tensão possui uma dinâmica complexa, envolvendo o controle da potência de saída, o balanço de energia entre as fases e a regulação das correntes circulantes, o que cria um desafio do ponto de vista de controle. Já os cabos empregados no circuito em corrente contínua possuem características particulares que variam de acordo com as necessidades de cada aplicação, criando um desafio do ponto de vista da modelagem do sistema. Assim, este projeto tem como objetivo a proposição de técnicas para a modelagem e o controle das redes MT-HVDC. O foco da modelagem será na obtenção de parâmetros baseados em medições nos terminais; o foco do controle será em estratégias que permitam aumentar a flexibilidade da operação do sistema elétrico com elevados níveis de FRE. Os resultados esperados pretendem contribuir para o desenvolvimento da nova infraestrutura de transmissão de energia em alta tensão que será necessária para a exploração de fazendas eólicas offshore e da nova estrutura de conexão entre os subsistemas elétricos brasileiros a fim de aumentar a flexibilidade da operação com elevados níveis de FRE. - CHAMADA CNPQ/MCTI 25/2022 - Linha 2

Communication networks of interconnected devices lie at the core of many key future technologies such as distributed control systems for autonomous vehicles, sensor networks for structural health monitoring and for smart cities. In addition to reliability, all these applications come with strict requirements in terms of: energy efficiency, security, latency and self-optimization capabilities, and demand for innovative enabling technologies. Theemerging Internet of Things (IoT) paradigm, projected to connect billions of wireless "things" (wireless sensors, wearables, biochip transponders, etc.) in a vast network with drastically different characteristics among its components, has moved from being a futuristic vision to an increasing reality over the recent years. The ELIOT project is perfectly timed to address the main challenges above. Specifically, we will focus on the following key objectives to IoT applications: 1. Energy efficient transceiver design and allocation policies: development of advanced low-energy transmit and receive techniques, including channel estimation for transceivers with coarse quantization (1-3 bits), and to exploit energy harvesting capabilities to mitigate interference and increase the device's lifespan; 2. Long-term security solutions}: design of novel cross-layer security protocols based on software defined networking and physical layer security, avoiding the incremental application of existing security technologies; 3. Distributed learning, detection and resource allocation/management: development of new distributed and efficient algorithms tailored to the IoT environment and underlying network infrastructure that take into account the device mobility, their limited energy and computational power; 4. Improving the energy efficiency vs. latency tradeoff by channel coding: short-length error-correction coding schemes together with their derivatives and decoding algorithms will be designed for low-energy and low-latency IoT applications.

Development of a fully distributed sensing platform based on pico-satellites. This project aims at developing a fully functional distributed adaptive network for educational and sensing applications. It is based on the concept of pico-satellites, involving hardware and software design and implementation, embedded distributed adaptive algorithms as well as research on sensor networks applications.

Pesquisa e desenvolvimento de sistemas de fusao de dados inerciais para navegacao de UAVs; deteccao de zona de impacto de misseis e foguetes.

Pesquisa e desenvolvimento de sistemas adaptativos distribuidos. Tema de doutoramento.

Desenvolvimento de rastreadores adaptativos de sinais para o Mars Science Laboratory rover 
durante entrada, descida e aterrisagem em Marte.