Autoria: Mariana Lameiro (Estudos Gerais)
O Técnico Innovation Center (TIC) foi palco para o 1st Physics Frontier Symposium, no dia 10 de setembro. Um evento que reuniu investigadores e estudantes da licenciatura, mestrado e doutoramento em Engenharia Física, realçando a investigação feita pelo Departamento de Física do Instituto Superior Técnico (DF-IST), a par com áreas científicas de ponta, galardoadas com o Prémio Nobel de Física de 2024.
Durante a manhã, Frederico Fiúza, Susana Freitas e Giuseppe de Tomassi falaram-nos sobre o papel do Machine Learning na investigação científica no IST. ¨Muito daquilo que os físicos fazem é descobrir o porquê¨, salientou Frederico Fiúza. Destacando o papel da Inteligência Artificial (I.A.) no apoio à formulação de respostas a partir de uma vasta recolha de dados do mundo físico.
Do público surgiu a questão: ¨Como vamos distinguir erros na Machine Learning das coisas que desconhecemos?¨ A questão leva-nos então à distinção entre o erro, que ocorre quando o modelo não consegue ter um melhor desempenho, e o desconhecido, em que os dados simplesmente não permitem uma resposta segura.
Neste contexto, a IA e a Machine Learning podem ser ferramentas poderosas. Por um lado, auxiliam na descoberta de equações que governam o mundo físico, a partir de dados, ao mesmo tempo que permitem também o desenvolvimento de modelos simplificados para sistemas complexos e não lineares, com a grande vantagem de uma base de dados que é cada vez maior.
Tendo isto em mente, na Machine Learning, em vez de se desenharem algoritmos explícitos (por exemplo, procurar padrões), os computadores são programados com a capacidade de aprender e se adaptarem através da exposição a informação relevante.
“Understanding deep learning is also a job for physicists” [Compreender aprendizagem profunda é também um trabalho para os físicos], Lenka Zdeborová.
O simpósio incluiu ainda a apresentação de uma nova abordagem, a Physics Informed Neural Networks (PINN), aplicada a um modelo substituto de uma descarga luminosa de oxigénio (O₂ DC glow discharge).
Durante o simpósio foram atribuídos diversos prémios, nomeadamente ao melhores posters de LEFT, MEFT e PhD. Os melhores posters puderam ser selecionados pela audiência no evento. Foi permitido a cada participante submeter um voto por categoria (LEFT/ MEFT/ PhD), melhor vídeo PIC2 e ainda um Student Innovation Prize aos estudantes de LEFT/ MEFT.
Foram também apresentadas oportunidades de investigação ao nível do PIC1, PIC2 e MSc. Dando, então, aos estudantes a oportunidade de descobrir um leque de projetos em todas as áreas científicas do Departamento de Física.
Os vencedores foram:
Best LEFT Poster (empate)
Maria Inês de Alvito – Sensitivity of Shower Footprint Variables to Hadronic High- and Low-Energy Interaction Models
Carolina Antunes – Wireless Triboelectric Wearable Sensors for Self-Powered Biomechanical Monitoring
Best MEFT Poster
Bernardo Picão – Got To Bind Them All! – Computing Tetraquark Potentials on the Lattice
Best PhD Poster
Gonçalo Ribeiro – FLASHGuard Project: Particle Physics Technology to Transform Cancer Treatment
Best PIC2 Video
Bruno Semião
LEFT/MEFT Student Innovation Prize
Noisr
