Laboratório de Aprendizagem de Máquina Interpretável em Física de Eventos Extremos - LAMIFE
Laboratório de Aprendizagem de Máquina Interpretável em Física de Eventos Extremos
Equipe Atual no INPE:
Supervisão do LAMIFE:
Reinaldo Roberto Rosa (COPDT)
Pesquisadores, Tecnologistas e Pós-Graduandos:
Eduardo dos Santos Pereira (COPDT)
Stephan Stephany (COPDT)
Francisco Carlos Rocha Fernandes (DIAST)
José Roberto Cecatto (DIAST)
Luan Orion Baraúna (pos-Doutorando / DIAST)
Andressa Ferreira (PIBIC-INPE)
Carlos Falanges (Mestrando - CAP)
Fernando de Oliveira Pereira (Doutorando - CAP)
Salatiel Jordão (Mestrando - CAP)
O LAMIFE – Laboratório de Aprendizagem de Máquina Interpretável em Física de Eventos Extremos é um núcleo de investigação avançada dedicado ao estudo, monitoramento, detecção e previsão de anomalias e eventos transientes em sistemas físicos complexos, com aplicações em física espacial e física ambiental. O termo “eventos extremos” [1] abrange fenômenos críticos observados em múltiplos domínios, incluindo astrofísica, física solar, clima espacial, plasmas em tokamaks, desastres naturais e induzidos pelo homem no meio ambiente terrestre.
O LAMIFE atua no âmbito do Grupo de Computação e Matemática Aplicada da COPDT (antigo LABAC-CTE) para P&D em frameworks de deep learning interpretável (XAI) [2], com destaque para arquiteturas baseadas em LSTM [3], LSTM-Autoencoder [4] e Gradient Pattern Analysis [5], validadas a partir de modelos não lineares como p-model [6], Ginzburg-Landau [7] e Coupled-Map-Lattices (CML) [8]. Entre as inovações do grupo, destacam-se os protótipos CyMorph [9] e AEDeep (Anomaly Explorer with Deep Learning) [10], concebido com apoio da FAPESP (projetos temáticos e PIPE) e em contínuo refinamento no âmbito de dissertações e teses do Programa de Computação Aplicada (CAP-INPE) [11]. Esse sistema orienta aplicações críticas em espaço, clima e energia, contribuindo diretamente para as missões do INPE/MCTI, como: (i) Monitoramento e previsão do clima espacial (EMBRACE – Estudo e Monitoramento Brasileiro do Clima Espacial) [12]; (ii) Desenvolvimento de brokers para transientes astrofísicos, com participação ativa no consórcio ISSC-LSST [13]; (iii) Modelagem de disrupções em plasma no contexto do programa internacional ITER [14]; (iv) Participação em iniciativas da DIAST-INPE [15] e BRICS-Astronomy [16], com ênfase em projetos de Radioastronomia.
O grupo é composto atualmente por dois doutorandos, três mestrandos da CAP, três graduandos em iniciação científica e dois pós-doutorandos, mantendo uma rede de colaboração com oito pesquisadores de instituições nacionais e internacionais, incluindo IP&D-UNIVAP, USP, UnB, CBPF, UFRJ, UFF, UERJ, ICTP, Universidade do Chile, Universidade de Oxford, Nordita, Universidade Livre de Bolzano e a Organização ITER. O LAMIFE integra atualmente ainda dois projetos temáticos da FAPESP (processos No 2025/03076-5 e No 2025/11753-7 ), além de atuar no BPG-LSST[17] e em dois INCTs: e-Universe/LineA [18] eSistemas Complexos/CBPF [19].
Além das suas linhas de pesquisa em eventos extremos, o núcleo empenha-se continuamente em capacitação em MLOps [20], promovendo a customização e escalabilidade de suas ferramentas para aplicações em outras áreas do INPE que demandam detecção de anomalias e suporte à tomada de decisão em ambientes críticos, sempre com foco em inteligência artificial interpretável. Assim, o laboratório consolida-se como um núcleo de excelência interdisciplinar, alinhado à missão do INPE-MCTI, contribuindo com soluções inovadoras em ciência de dados e IA interpretável para compreender e prever fenômenos críticos na interface entre espaço, clima e energia.
- https://www.frontiersin.org/journals/earth-science/articles/10.3389/feart.2022.786829/full
- https://www.sciencedirect.com/science/article/pii/S1566253523001148
- https://www.sciencedirect.com/science/article/pii/S2215016124003972
- https://www.nature.com/articles/s41599-025-04412-y
- https://academic.oup.com/mnrasl/article/477/1/L101/4961142
- http://mtc-m21c.sid.inpe.br/col/sid.inpe.br/mtc-m21c/2020/04.17.16.01/doc/publicacao.pdf
- https://cdnsciencepub.com/doi/10.1139/p90-110
http://mtc-m21d.sid.inpe.br/col/sid.inpe.br/mtc-m21d/2023/08.22.19.06/doc/publicacao.pdf - https://proceedings.sbmac.org.br/sbmac/article/view/4172
- https://github.com/paulobarchi/CyMorph
https://www.sciencedirect.com/science/article/abs/pii/S2213133719300757 - https://github.com/Desduh/AEDeep-Disruption-Prediction
- https://www.gov.br/inpe/pt-br/area-conhecimento/posgraduacao/cap
- https://www2.inpe.br/climaespacial/portal/pt/
- https://issc.science.lsst.org/
- https://www.iter.org/
- https://www.gov.br/inpe/pt-br/area-conhecimento/engenharia-e-ciencias-espaciais/cgce/ciencia-espacial/astrofisica
- https://www.bricsastronomy.org/
- https://bpg-lsst.linea.org.br/o-que-e-o-bpg/
- https://www.linea.org.br/
- https://www.gov.br/cbpf/pt-br/inct-sc
- https://ieeexplore.ieee.org/document/10081336