Aluno do IEN vence o Prêmio CNEN 2024
Marcos Antônio Gonçalves da Silva Filho recebeu a premiação na categoria “Mestrado Acadêmico” durante a cerimônia de celebração dos 68 anos da Comissão Nacional de Energia Nuclear. Compartilhe: Compartilhe por Facebook Compartilhe por Twitter Compartilhe por LinkedIn Compartilhe por WhatsApp link para Copiar para área de transferência
Publicado em
04/11/2024 08h05
Marcos Filho e seu orientador, Cláudio Márcio Pereira, recebem o Prêmio CNEN 2024 das mãos do Diretor de Desenvolvimento Científico e Tecnológico da Finep, Carlos Alberto Aragão. Foto: Bianca Wendhausen
Aconteceu na última quinta-feira, 31 de outubro, a cerimônia de comemoração pelo aniversário da Comissão Nacional de Energia Nuclear, que completou 68 anos no dia 10 de outubro, com as presenças de representantes de todas as unidades administrativas da comissão e de outras instituições parceiras da CNEN.
Durante o evento, na sede da instituição, foram entregues as premiações aos vencedores do Prêmio CNEN 2024. Marcos Antônio Gonçalves da Silva Filho, aluno de mestrado no Instituto de Engenharia Nuclear (IEN/CNEN), venceu na categoria “Mestrado Acadêmico” com o trabalho “Previsão do deslocamento de pluma radioativa”.
Essa dissertação, que teve o pesquisador Claudio Márcio do Nascimento Abreu Pereira como orientador, consiste na implementação e treinamento de uma rede neural artificial recorrente para criar um modelo capaz de prever o comportamento da dispersão de radioatividade na atmosfera, nas ocasiões em que ocorrer acidentes severos em reatores nucleares.
“Esse modelo utiliza uma metodologia específica no campo das redes neurais artificiais recorrentes, as chamadas LSTM ("long-short term memory") que apresenta uma capacidade robusta em realizar previsões de séries temporais. A implementação do modelo LSTM permitiu capturar variáveis complexas de dispersão atmosférica, fornecendo previsões precisas e confiáveis para serem utilizadas em situações de crise”, explica Marcos.
O aluno conta ainda que a inspiração surgiu da necessidade de respostas rápidas e precisas em casos de emergência radiológica, e que o auxílio do Laboratório de Inteligência Artificial Aplicada (LIAA) do IEN/CNEN, foi primordial para um processamento de dados mais célere. “Lá, havia máquinas robustas de alto desempenho para a modelagem e treinamento de redes neurais recorrentes para problemas complexos e com alto nível de não linearidade”, completa.
Razões que justificam o prêmio
O regulamento do Prêmio CNEN 2024 previa a participação de trabalhos defendidos em um dos Programas de Pós-Graduação das Unidades Técnico-Científicas (UTCs) da Comissão Nacional de Energia Nuclear, dentro do período entre 1º de julho de 2023 e 30 de junho de 2024. As premiações se dividiam em cinco categorias:
- Iniciação Científica;
- Pós-Graduação Lato Sensu;
- Mestrado Profissional;
- Mestrado Acadêmico;
- Doutorado.
Marcos Filho decidiu inscrever sua dissertação na categoria Mestrado Acadêmico por acreditar que essa seria a melhor oportunidade de apresentar um projeto inédito na tecnologia nuclear, que poderá contribuir para a eficiência da segurança de usinas nucleares utilizando modelos preditivos. O fator novidade presente nesse estudo e a concisão do texto, que leva o leitor a ter uma rápida compreensão sobre o estudo, segundo Marcos, podem ter lhe ajudado na conquista desse prêmio.
O desenvolvimento dessa tese deve continuar após a esse reconhecimento, pois já existem duas frentes de pesquisa interessadas nela: uma, objetiva explorar novas metodologias de redes neurais artificiais recorrentes, além da LSTM implementada, enquanto a outra frente procura treinar o modelo desenvolvido com a LSTM para diferentes parâmetros, a fim de aumentar a exatidão dos resultados obtidos neste trabalho:
“Assim, espera-se que esse trabalho possa se consolidar como uma ferramenta de segurança avançada, beneficiando as operações de usinas nucleares e promovendo o desenvolvimento de tecnologias preditivas na ciência nuclear”, conclui Marcos.
Escrita por: José Lucas Brito
Categoria Ciência e Tecnologia
