Horário: 14h

Palestrante: Emerson de Araújo Macedo (doutorado)

Orientadora: Prof. Alba Melo

Título: Simulação de Enovelamento de Proteínas com Enterramento Atômico utilizando NAMD em Ambiente de Alto Desempenho

Resumo: A função biológica que uma proteína desempenha em nosso organismo está relacionada com sua estrutura nativa, ou seja, a configuração tridimensional (3D) funcional da sua molécula. Uma proteína assume essa configuração 3D através de um processo chamado de enovelamento. Duas questões que envolvem a pesquisa sobre o problema do enovelamento de proteínas são: (i) qual é o código físico do enovelamento, isto é, como as propriedades físico-químicas codificadas na sequência de aminoácidos, sua configuração geométrica unidimensional (1D), determinam a configuração 3D nativa? (ii) é possível desenvolver uma solução computacional que permita predizer a configuração 3D nativa a partir de sua configuração 1D primária? O enterramento atômico é uma hipótese para responder à primeira questão. Trata-se de uma medida relacionada a propriedades como o efeito hidrofóbico e as pontes de hidrogênio e indica a distância física de cada átomo da proteína ao centro geométrico de sua estrutura 3D nativa. Sabe-se que este enterramento atômico possui informação suficiente para se determinar a configuração 3D nativa de pequenas proteínas globulares. A simulação de dinâmica molecular (MD, Molecular Dynamics) é um método computacional que auxilia tanto o processo experimental de determinação de estruturas de proteínas quanto a pesquisa e projeto de novos fármacos para tratar doenças relacionadas, como Alzheimer e Parkinson. A simulação MD é utilizada no estudo do código físico do enovelamento (i) e na predição de estruturas proteicas (ii). Porém, o algoritmo de simulação MD exige um alto custo computacional para modelar o processo de enovelamento de uma proteína. É neste contexto que a computação de alto desempenho é utilizada para viabilizar a simulação MD de enovelamentos de proteínas consideradas grandes e de eventos biológicos de interesse, tais como ataques a vírus HIV. Nessa apresentação, mostrarei uma solução de alto desempenho para a simulação MD, chamada NAMD, e como adaptá-la para auxiliar na pesquisa sobre o efeito do enterramento atômico no enovelamento de proteínas. 

Horário: 14h20

Palestrante: Paulo Eduardo Althoff (mestrado)

Orientador: Prof. Thiago Faleiros

Título: Classificação em grafos k-partidos com uso de métodos multiníveis

Resumo: Com a quantidade de dados gerados no mundo ultrapassando a capacidade humana de avaliação, métodos de classificação automática de conteúdo se tornam cada vez mais relevantes. Grafos são uma forma de representação genérica de representação de entidades e suas interações, e podem ser aplicados praticamente em todo tipo de problema, principalmente em sua versão heterogênea. Por esse motivo é um dos temas que mais tem crescido no número de pesquisas na área de machine learning. Mas em geral, algoritmos de classificação em grafos heterogêneos possuem problemas de escalabilidade quando aplicados em grafos com um grande número de nós. Neste trabalho, é proposto um framework para escalar algoritmos de classificação de grafos heterogêneos utilizando métodos multiníveis. Para isso, são feitas adaptações em métodos criados para redes homogêneas e bi-partidas.

Horário: 14h40

Palestrante: Thiago Mendonça Ferreira Ramos (doutorado)

Orientador: Prof. Mauricio Ayala 

Title: Formalization of the Undecidability of The Post Correpondence Problem

Abstract: We will discuss the mechanization of the relation between the problem of deciding the Word Problem for semi-Thue Systems and the Post Correspondence Problem: solving any of these problems solves the other. The talk will focus on the main differences between the deductive features used in formalizing it on the Prototype Verification System, the PVS proof assistant, and textbook proofs.

Horário: 15h

Palestrante: Osmar Luiz Ferreira de Carvalho (mestrado)

Orientador: Prof Díbio Leandro

Título: Aprendizagem Profunda no Sensoriamento Remoto

Resumo: A apresentação terá como tema os diferentes métodos e aprimoramentos desenvolvidos para reconhecimento de imagem no campo de sensoriamento remoto. Serão abordados os artigos desenvolvidos até o presente momento, que envolvem os temas de: (1) segmentação semântica, (2) segmentação de instâncias e (3) segmentação panóptica.

Horário: 15h20

Palestrante: Beatriz Fragnan Pimento de Oliveira (mestrado)

Orientadora: Profa Maristela Holanda

Título: Arquitetura de DW baseado em Bancos de dados Nosql

Resumo: Este trabalho tem por objetivo propor uma nova arquitetura não convencional de Data Warehouse, ou seja, uma arquitetura OLAP com bancos de dados NoSQL. Além disso, será proposta uma adaptação ao ciclo de vida de DW proposto por Kimball, para dois tipos diferentes de bancos de dados NoSQL pré-selecionados. A arquitetura não convencional possui capacidade de processamento e geração de análises voltado a um grande volume de dados, ou seja, Big Data. A ideia é que a nova arquitetura ofereça consultas mais direcionadas e promova um ganho de tempo nas mesmas, garantindo uma vantagem sobre as consultas em DW convencionais. Já na proposta de adaptação ao ciclo de vida de kimball serão sugeridas extensões e fusões de processos para o caso específico dos Bancos de dados NoSQL selecionados. O trabalho será validado com dados abertos do Exército.

Horário: 15h40

Palestrante: Dennis Sávio Martins da Silva (doutorado)

Orientadora: Profa Maristela Holanda

Título: Uma Arquitetura para Dados Geoespaciais Massivos de Internet das Coisas

Resumo: A popularização da internet das coisas (Internet of Things - IoT) tem estimulado a utilização de ferramentas de big data para o armazenamento e análise dos dados geoespaciais massivos oriundos destas aplicações. Podem ser encontradas na literatura soluções diversas, que consideram dispositivos heterogêneos e com níveis de mobilidade variando do estacionário ao móvel. Considerar o nível de mobilidade dos dispositivos na escolha dos mecanismos de armazenamento e análise pode representar uma melhoria no funcionamento das aplicações IoT, ao possibilitar o uso de ferramentas com desempenho e funcionalidades mais apropriados ao padrão de dados de localização gerado por contextos específicos. Neste trabalho, é investigada a relação entre o nível de mobilidade dos dispositivos e o desempenho dos frameworks para dados massivos geoespaciais. Além disso, é proposta uma arquitetura para gerenciamento de dados geoespaciais massivos de IoT, que considere o nível de mobilidade dos dispositivos para oferecer recursos de armazenamento e análise mais adequados aos padrões de dados de localização e de observação presentes em uma aplicação.

Local: Teams MS - Equipe PPGI-316415 Seminário, Canal Seminários 2-2021

https://teams.microsoft.com/l/channel/19%3a24b3ddb0b17b46c6be17254988b22cc1%40thread.tacv2/Semin%25C3%25A1rios%25202-2021?groupId=93b66213-b249-467a-bcbe-dcd4255edf95&tenantId=ec359ba1-630b-4d2b-b833-c8e6d48f8059

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora Seminários de Pós-Graduação em Informática 2-2021