Para o tecnologista Paulo José Russano, responsável pela infraestrutura computacional do laboratório, esse tipo de investimento é essencial para transformar pesquisa em inovação. "Ver essa base tecnológica resultar em uma patente para a indústria confirma que infraestrutura computacional de alto desempenho também é parte do processo de inovação."
Formação de pesquisadores
Os testes mostraram que a estratégia desenvolvida pela equipe apresentou desempenho significativamente superior ao de abordagens convencionais ao analisar imagens de poços que não haviam sido utilizadas durante o treinamento dos modelos, indicando maior capacidade de aplicação em situações reais.
Antes de dar origem à patente, o trabalho foi desenvolvido como pesquisa científica e resultou em um artigo publicado em 2025 na revista Artificial Intelligence in Geosciences . A patente premiada representa uma etapa posterior desse processo: a transformação do conhecimento produzido em uma solução tecnológica voltada para aplicações na indústria.
O projeto também teve importante papel na formação de recursos humanos. Entre os inventores está Rayan Tadeu Corrêa de Moraes Barbosa, aluno do Mestrado Profissional em Física do CBPF, que participou do desenvolvimento dos modelos de inteligência artificial.
O prêmio reconhece patentes depositadas no Instituto Nacional da Propriedade Industrial (INPI) por inventores da Petrobras e de instituições parceiras, valorizando pesquisas que geram soluções inovadoras para desafios da indústria.
LAB-IA: https://labia.cbpf.br/pt
Para o coordenador científico do projeto, Clécio Roque de Bom, o reconhecimento demonstra o potencial da pesquisa desenvolvida no CBPF: "Levar os métodos de aprendizado profundo que desenvolvemos no LAB-IA para um problema real da indústria mostra que ciência de fronteira e aplicação produtiva caminham juntas. Este prêmio reconhece essa ponte entre a pesquisa e o setor de óleo e gás."
As rochas carbonáticas encontradas no pré-sal apresentam grande diversidade de características. Identificá-las corretamente é uma tarefa complexa, normalmente realizada por especialistas a partir da análise de imagens obtidas em microscópio.
Segundo ele, a experiência mostrou como a pesquisa acadêmica pode gerar impactos concretos fora da universidade. "Foi interessante perceber que o rigor científico necessário para publicar o trabalho foi o mesmo que sustentou, mais adiante, a aplicação industrial. Participar de um projeto com desdobramento real na indústria foi uma experiência de formação única."
Saiba mais:
Artigo “Automatic classification of Carbonatic thin sections by computer vision techniques and one-vs-all models”: https://www.sciencedirect.com/science/article/pii/S2666544125000139?via%3Dihub
Infraestrutura para pesquisa de ponta
Inteligência artificial para apoiar especialistas
O treinamento dos modelos foi realizado na infraestrutura de computação de alto desempenho (HPC) do LAB-IA 4 Physics, composta por sistemas com múltiplas GPUs capazes de processar grandes volumes de dados.
A tecnologia desenvolvida pelo Laboratório de Computação e Inteligência Artificial para Física (LAB-IA 4 Physics) automatiza parte desse processo por meio de técnicas de inteligência artificial. Com isso, a classificação das rochas torna-se mais rápida, padronizada e capaz de apoiar o trabalho dos geólogos responsáveis pela análise dos reservatórios.
Da pesquisa científica à inovação
O coordenador geral do laboratório, Marcelo Portes de Albuquerque, destaca que o resultado é fruto de uma trajetória de pesquisa construída ao longo de anos: "Há décadas trabalhamos com processamento de sinais e imagens no CBPF. Transformar esse conhecimento em propriedade intelectual faz parte da missão do laboratório e reforça o papel da ciência na geração de inovação."
Uma tecnologia desenvolvida por pesquisadores do Centro Brasileiro de Pesquisas Físicas (CBPF), em parceria com o Centro de Pesquisas, Desenvolvimento e Inovação da Petrobras (Cenpes), foi reconhecida no Prêmio Inventor Petrobras 2026. A solução utiliza inteligência artificial para identificar automaticamente diferentes tipos de rochas carbonáticas, etapa importante para a avaliação de reservatórios de petróleo do pré-sal.
A equipe do projeto reúne pesquisadores, tecnologistas e estudantes do CBPF, em colaboração com pesquisadores do Cenpes/Petrobras e da Universidade Federal do Espírito Santo. O trabalho foi financiado por meio de acordo de P&D entre Petrobras e CBPF e contou com bolsas do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).
