Bolsa De Doutorado Em "Técnica De Geração De Dataset Sintético Para Otimizar Treinamento De Red[...]

Bolsa de Doutorado em "Técnica de geração de dataset sintético para otimizar treinamento de redes neurais na predição de dados sísmicos"Instituição sede: Universidade Federal de São PauloDepartamento: Instituto do MarTipo da bolsa: DoutoradoInício: janeiro, ****Deadline para a submissão: 20/12/2025Aplicação para a vaga e envio dos documentos: Título: Técnica de geração de dataset sintético para otimizar treinamento de redes neurais na predição de dados sísmicosTema da área de pesquisa: Inteligência artificial aplicada à sísmica, redes neurais, aprendizado de máquina, geração de dados sintéticos, inversão sísmica, armazenamento geológico de CO2Resumo: Este projeto de pesquisa visa o desenvolvimento de uma técnica de geração de dataset sintético para otimização de treinamento de NNs (redes neurais) para predição de dados sísmicos, uma vez que a utilização de uma NN para predizer modelos de velocidades sísmicas vem demonstrando resultados cada vez mais acurados e eficientes.Essa técnica irá incorporar informações específicas de uma região, permitindo a geração automatizada de um dataset com as características estruturais e estratigráficas de interesse.Isso permite melhores predições estratigráficas da geologia de uma região, além de identificar localizações de estruturas mais complexas.Descrição do Plano de trabalhoO projeto de pesquisa de doutorado tem por objetivo geral reunir dados reais e interpretados de uma região para a composição de um dataset inicial de treinamento de uma NN.Posteriormente, será desenvolvida uma técnica de automatização da geração de mais modelos que sejam verossímeis com os do dataset inicial, a partir da ampliação deste dataset.Dessa forma, o dataset final permitirá uma predição mais acurada da geologia de uma região, preservando as características estratigráficas e estruturais.Será implementado um método automatizado de ampliação de dataset, a partir da geração de mais modelos com características de um conjunto de dados sísmicos reais inicial que já tenham sido interpretados.Este tipo de ampliação demonstrou ser fundamental no processamento de dados sísmicos utilizando NNs, uma vez que há uma limitação na quantidade requerida de tais dados para o treinamento apropriado de uma NN (Jia and Ma, ****; Adler et al., ****).Não somente a ampliação do dataset é necessária, mas também a geração sistemática dos tipos de dados agregados para este conjunto, uma vez que cada uma das características estratigráficas e estruturais específicas aparecem nos dados em suas respectivas incidências (Jia et al., ****; Li et al., ****).De tal forma, Zuniga *****) propôs uma abordagem de treinamento de NNs para predição de modelos de velocidades a partir de dados sísmicos.Tal abordagem prevê uma ampliação de um dataset já definido com seus dados já interpretados, para abranger as possibilidades de estruturas a serem preditas sem perder o entendimento das características estratigráficas e estruturais principais destes dados.Além da ampliação do conjunto de dados para o treinamento, incorporar informações obtidas por técnicas guiada por dados, auxiliam na maior robustez dos dados processados (Zuniga and Priimenko, ****), o que permite m treinamento mais robusto da NN.Desta forma, será desenvolvida uma técnica automatizada de ampliação de dataset e maior incorporação de dados para treinamento de NNs com o objetivo de predizer estruturas geológicas a partir de dados sísmicos.Posteriormente, serão realizadas caracterizações mais acuradas da estratigrafia e identificação de armadilhas estruturais que têm o potencial de serem reservatórios de armazenamento de CO 2 na porção central da Bacia do Paraná.Referências Bibliográficas...Requisitos para preenchimento da vagaO candidato deve ter graduação em Ciência da Computação, Engenharia de Computação, Ciência de Dados, Geofísica, Geologia ou áreas relacionadas, e preferencialmente mestrado concluído em temas correlatos.É desejável conhecimento em aprendizado de máquina, redes neurais, processamento de dados sísmicos e programação em Python ou linguagens similares.Inglês fluente em leitura, escrita e conversação é obrigatório.Detalhes da BolsaEsta bolsa é financiada pela FAPESP e cobrirá o padrão por mês para doutorado (valor disponível em ).Local de trabalhoInstituto do Mar da Universidade Federal de São Paulo#J-*****-Ljbffr