DCC/UFMG

Os avanços recentes da Inteligência Artificial têm alimentado expectativas de uma nova era para a medicina e a biologia. Sistemas de IA já são capazes de prever estruturas de proteínas, analisar genomas, identificar padrões em grandes volumes de dados biomédicos e auxiliar na descoberta de novos fármacos. Mas será que a IA realmente será capaz de curar doenças? E quais são os obstáculos científicos que ainda precisam ser superados?

Nesta palestra, discutiremos como técnicas de aprendizado de máquina e inteligência artificial estão sendo aplicadas para compreender os mecanismos moleculares da vida, acelerar descobertas científicas e apoiar o desenvolvimento de terapias inovadoras. A partir de exemplos reais da Bioinformática e da Biologia Computacional, exploraremos os avanços mais impressionantes da área, seus desafios atuais e as oportunidades para estudantes e pesquisadores de Computação que desejam atuar em uma das fronteiras mais promissoras da ciência contemporânea.

O comportamento humano é inerentemente heterogêneo, multifacetado e dinâmico, envolvendo aspectos que frequentemente são subjetivos e difíceis de serem capturados a partir de rastros digitais. Nesta palestra, apresentarei uma breve visão geral de nossas pesquisas sobre modelagem do comportamento de usuários em dois domínios: a disseminação de informação em redes sociais e a mobilidade individual.

No contexto das redes sociais, apresentarei resultados recentes que mostram como comportamentos individuais e coletivos influenciam a propagação de informações. No contexto da mobilidade, discutirei os riscos de privacidade associados ao uso crescente de dados de mobilidade para viabilizar serviços digitais, destacando a necessidade de novos métodos para quantificar a exposição dos usuários.

Por cinquenta anos, a criptografia de chave pública baseou-se na suposta dificuldade de problemas como a fatoração de grandes números (RSA) e o cálculo de logaritmos discretos (DHKE, ElGamal). Essas premissas sustentam assinaturas digitais, SSL/TLS, blockchains e provas de conhecimento zero. No entanto, o algoritmo de Shor, executado em um computador quântico tolerante a falhas suficientemente grande, destruiria todas elas em dias ou horas.

Dois artigos publicados no final de março de 2026 mudaram fundamentalmente o cálculo de risco. O Google revelou um circuito quântico drasticamente mais eficiente para logaritmos discretos em curvas elípticas, reduzindo os qubits lógicos necessários para cerca de 1200. No dia seguinte, Oratomic, Caltech e Berkeley demonstraram um caminho escalável para construir esses qubits lógicos. Nenhum artigo é catastrófico isoladamente; mas juntos, representam a convergência entre avanço algorítmico e viabilidade de hardware.

Exploramos o problema da tradução de “qubits lógicos para físicos”, a correção de erros quânticos, e por que o progresso agora ocorre em saltos, não em curvas suaves da Lei de Moore. Em seguida, mapeamos o cenário da criptografia pós-quântica, discutindo os novos algoritmos sendo aprovados pelo NIST. Por fim, analisamos os riscos de apressar essa transição — como mover chaves para fora de hardwares seguros antes que a infraestrutura esteja pronta — e avaliamos cronogramas reais, incluindo o motivo pelo qual o prazo de atualização de 2029 é agressivo e necessário. Devemos atualizar agora, não porque a chegada dos computadores quânticos seja garantida até 2030, mas porque não podemos se dar ao luxo de errar.

Modelos modernos de IA alcançam níveis impressionantes de acurácia, mas desempenho elevado nem sempre se traduz em decisões confiáveis. Nesta palestra, defendemos a tese de que propriedades como confiabilidade, adaptabilidade, interpretabilidade e eficiência não são explicadas apenas pelo modelo, mas emergem da forma como os dados são construídos, selecionados, reutilizados e interpretados ao longo de todo o pipeline de aprendizagem.

A partir dessa perspectiva centrada nos dados, discutimos quatro desafios fundamentais para sistemas de IA: confiança nas probabilidades produzidas pelos modelos, adaptação a mudanças nos dados, tomada de decisão em cenários complexos e interpretação dos mecanismos internos que sustentam as previsões. Apresentamos resultados recentes envolvendo calibração, aprendizado contínuo, seleção de instâncias e interpretabilidade em aplicações de Processamento de Linguagem Natural e Saúde.

A mensagem central é simples: a pergunta mais importante não é se um modelo é preciso, mas se suas decisões podem ser confiadas. Construir sistemas de IA verdadeiramente úteis exige olhar além da acurácia e adotar uma visão integrada, centrada nos dados e orientada à responsabilidade.

Os avanços dos grandes modelos de linguagem (LLMs) têm gerado inovações e disrupções em diversas áreas profissionais. Nesta palestra, discutiremos o impacto dessas transformações na atuação do cientista de dados. Em especial, será realizada uma demonstração prática do uso de LLMs em tarefas de análise exploratória e preditiva sobre uma base de dados real.

Muitos cientistas afirmam que a Lei de Moore está próxima do fim. Uma das principais razões é o limite físico da miniaturização dos transistores de silício. Não há uma tecnologia sucessora proeminente para a lógica CMOS atual, mas algumas alternativas possíveis têm sido investigadas. Nesta apresentação, discutiremos a evolução histórica das máquinas computacionais até o fim da era de ouro, quando os projetistas podiam desenvolver software, arquitetura, implementação e dispositivos de forma independente. Assim, surge uma pergunta: o que teremos no futuro? Precisamos continuar controlando a corrente elétrica para realizar a computação? Existem outras alternativas? Uma ampla variedade de novas nanotecnologias gerará muitas possibilidades para o desenvolvimento de novas aplicações computacionais com baixo consumo de energia, alta velocidade e alta resiliência. Vamos explorar algumas dessas possíveis alternativas.

Esta palestra pretende apresentar um panorama da Cibersegurança e principais tendências na área, incluindo oportunidades para maior atuação feminina.

As redes sensíveis ao tempo (TSN — Time-Sensitive Networking) são empregadas em situações que precisamos de um baixo atraso e alta confiabilidade, como em controle industrial, teleoperação e aplicações de realidade virtual e aumentada. Esta palestra vai apresentar as aplicações de TSN, os desafios que estas aplicações trazem para as redes de computadores, e vamos falar rapidamente dos padrões implementados para redes TSN.

Compiladores são ferramentas que traduzem código escrito em linguagens de alto nível para código de máquina. Por cumprirem essa função fundamental, são indispensáveis para o desenvolvimento da ciência da computação. Nesse contexto, os compiladores vêm sendo alvo de constante inovação — desde 1954, quando o primeiro compilador de Fortran começou a ganhar forma, até os dias de hoje, com os compiladores tensoriais ocupando um papel de destaque na computação. Nesta palestra, vamos discutir algumas dessas inovações, como elas surgem e qual é seu papel no avanço da tecnologia digital.