O poder da matemática a serviço da indústria

Durante seu doutorado em análise numérica na Universidade de Oxford, no Reino Unido, o matemático José Alberto Cuminato se surpreendeu com uma atividade promovida pela instituição. Ao longo de uma semana, representantes de diferentes ramos empresariais traziam problemas para serem discutidos e, quem sabe, solucionados por alunos e professores. Cuminato desconhecia iniciativa parecida no Brasil. Após voltar com seu doutorado concluído, em 1987, quis elaborar algo semelhante no país. A tarefa, no entanto, não era fácil. “Para isso, é preciso ter gente que esteja querendo sentar e conversar. Encontrar pessoas que estejam interessadas”, diz ele. Na época, havia pouca abertura no país para a matemática aplicada, área voltada a solucionar problemas práticos de pessoas e de empresas. Marcelo Viana, diretor-geral do Instituto de Matemática Pura e Aplicada (Impa), no Rio de Janeiro, conta que o interesse por essa área cresceu nos últimos anos no Brasil, mas ainda existem desafios. “Hoje em dia, ficou claro que o conhecimento matemático é fundamental para a geração de riqueza e o desenvolvimento nacional. Aliás, o impacto econômico das aplicações nessa área está crescendo, à medida que ferramentas como a ciência de dados e a inteligência artificial invadem todas as áreas”, afirma ele. Para o diretor-geral do Impa, o trabalho de Cuminato foi essencial para popularizar a matemática aplicada. Ele avalia que o Centro de Ciências Matemáticas Aplicadas à Indústria (Cemeai), iniciativa idealizada pelo matemático, foi importante para inserir o tema na pauta nacional. Anos depois de seu retorno ao Brasil, quando já era professor do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, Cuminato observou que instituições de fomento no país passaram a se preocupar mais com a interdisciplinaridade e com os resultados práticos de pesquisas. Foi nesse contexto que o professor da USP enxergou a oportunidade de fundar o Cemeai como um Centro de Pesquisa, Inovação e Difusão (CEPID) da FAPESP. Desde o início, a proposta do Cemeai era diferente. Normalmente, projetos de criação de CEPIDs contam com objetivos e problemas de pesquisa estabelecidos. Esse não era exatamente o caso do centro. Cuminato desenvolveu uma proposta definida por ele como “a venda de terrenos na Lua”, porque a ideia era, já com financiamento, procurar ramos industriais, entender quais eram seus problemas e, somente a partir desse contato, desenvolver os projetos de pesquisa. Mesmo com o desenho pouco usual da ideia, o projeto recebeu apoio financeiro da FAPESP e saiu do papel em junho de 2013, tendo Cuminato como diretor até 2024. Diferentes iniciativas foram realizadas desde então, incluindo 12 Workshop de Soluções Matemáticas para Problemas Industriais, baseados nos encontros dos quais Cuminato participou durante seu doutorado em Oxford. Geometria das proteínas Desde o doutorado em computação na Universidade Federal do Rio de Janeiro (UFRJ), Carlile Lavor se interessou pelo estudo da geometria de moléculas, principalmente a das proteínas. Entender a estrutura tridimensional dos compostos é essencial para compreender sua função, sendo também útil no desenho de novos medicamentos. “Em muitos casos, a droga é uma molécula pequena que vai se encaixar em alguma proteína. Nesse processo de encaixe, é intuitivo pensar que a geometria das duas moléculas é um fator-chave”, afirma Lavor, que foi pesquisador principal do Cemeai durante o período em que o centro foi um CEPID da FAPESP e é professor titular do Instituto de Matemática, Estatística e Computação Científica da Universidade Estadual de Campinas (Imecc-Unicamp). Como as proteínas podem ultrapassar 10 mil átomos, cada um dos quais com possível influência em sua estrutura, a tarefa de decifrá-las é complexa. Para solucionar esse tipo de imbróglio, Lavor começa levando em conta dados provenientes de ressonância magnética nuclear, que funcionam como uma fotografia indireta e incompleta da proteína. Esses registros trazem informações sobre as distâncias entre átomos, mas não especificam a posição exata de cada um deles. A limitação dos dados da ressonância magnética nuclear dificulta a determinação adequada da estrutura de proteínas, mas uma corrente da matemática chamada geometria de distâncias ajuda a amenizar a incerteza. “Essa área considera exatamente esse tipo de problema. Temos os dados das distâncias e a questão é como saber a localização de cada átomo’”, explica Lavor. Para fazer isso, a primeira etapa é montar uma lista de equações associadas aos dados das distâncias obtidos por meio da ressonância magnética. Depois, emprega-se um algoritmo que, ao analisar essas equações, vai deduzir a posição dos átomos. Um dos trabalhos de Lavor na área, publicado no Journal of Computational Chemistry, mostrou como é possível transformar a estrutura tridimensional de uma molécula em um espaço abstrato de cinco dimensões. Essa conversão permite representar matematicamente a translação e a rotação das moléculas. Não ter as representações desses dois movimentos, algo que ocorre quando a estrutura das proteínas é calculada em três dimensões, compromete a localização de cada átomo. É por isso que a estrutura 5D é vantajosa para esse tipo de estudo. O artigo assinado por Lavor e outros pesquisadores também mostra que, após realizar os cálculos matemáticos em cinco dimensões, é possível retornar para o contexto original de três dimensões e, assim, chegar à estrutura proteica real. Esse tipo de abordagem é útil, por exemplo, na indústria farmacêutica, reduzindo o tempo computacional envolvido no processo custoso e complexo de descoberta de novos medicamentos. IA e matemática aplicada João Paulo Papa, que também foi pesquisador principal do Cemeai enquanto o centro era um CEPID, mescla, em seu trabalho, conhecimentos matemáticos e IA para solução de problemas de diferentes naturezas. No Cemeai, com estudos na área médica, desenvolveu uma IA para auxiliar na identificação de tumores no esôfago. “A nossa ideia era que, durante uma endoscopia, o médico contaria com um monitor auxiliar, onde a inteligência artificial que desenvolvemos apontaria regiões de interesse: ‘Olha, isso aqui parece alguma coisa ou isso ali parece outra coisa’. Já temos um protótipo dessa tecnologia e a validamos numa clínica”, explica Papa, que também é professor do Departamento de Computação da Universidade Estadual Paulista (Unesp) de Bauru. As bases do desenvolvimento da ferramenta são as redes neurais, versões tremendamente simplificadas de como poderia ocorrer o aprendizado humano a partir da conexão entre neurônios. No caso de uma rede neural, existem neurônios artificiais. A comunicação entre eles é representada matematicamente, mapeando a intensidade envolvida em tais conexões. “Então, o algoritmo aprende e troca esses números à medida que vai aprendendo, de tal forma a minimizar os erros”, diz Papa. No entanto, o projeto adotou uma forma diferente de representação matemática das conexões: em vez de usar apenas números reais (o que inclui os números inteiros e suas frações), também foram adotados números complexos. Tais números contêm duas partes: uma real e outra imaginária (como as raízes quadradas de números negativos). Com isso, os números complexos capturam mais informações sobre como ocorre a comunicação entre os neurônios artificiais. Ao usar novas representações numéricas para aprimorar a compreensão de como uma IA aprende, o projeto se insere no amplo leque de possibilidades da matemática aplicada. Davidson Moreira, diretor do Centro de Pesquisa em Inteligência Artificial para a Indústria (CPA-IAI), do Centro Universitário Senai Cimatec, também encara a inteligência artificial como um importante ramo da matemática aplicada. No caso dele, o enfoque é a área de ciências atmosféricas, levando em conta questões como poluição do ar e meteorologia. “O que tem de mais moderno em ciências atmosféricas é a utilização de inteligência artificial para previsão do tempo, eventos extremos e mudanças climáticas”, explica. O pesquisador afirma que o meio acadêmico já demonstra interesse em atuar junto à indústria, mas as empresas desejam solucionar problemas muito rapidamente, algo que destoa do modelo científico. “A inteligência artificial é um elo muito forte entre universidades e empresas para que atuem de forma mais rápida. Hoje em dia, há certos problemas que podem ser resolvidos facilmente e em tempo muito curto por meio dessa ferramenta. Por exemplo, aqueles que têm dados medidos. Se a empresa conta com dados confiáveis, o problema basicamente está solucionado.” Para que o petróleo chegue à costa brasileira, é necessário que navios enormes levem a matéria-prima, extraída em plataformas em alto-mar, até terminais costeiros. A operação, dada a magnitude das embarcações, é difícil de ser realizada. “É uma operação gigante do ponto de vista logístico, por causa da enorme movimentação de carga e de volume, além das distâncias”, afirma Reinaldo Morabito, professor de engenharia de produção da Universidade Federal de São Carlos (Ufscar) e outro pesquisador principal do Cemeai durante o financiamento da FAPESP. Foi por isso que um projeto encabeçado por ele e realizado em parceria com a Petrobras buscou otimizar o movimento dessas cargas a fim de reduzir os custos, o tempo e a necessidade de embarcações, aumentando a eficiência logística da operação. O desenvolvimento de algoritmos tinha o objetivo de otimizar, de forma automatizada, os processos ligados às cargas. Morabito explica que o protótipo do algoritmo foi entregue à Petrobras e, desde então, a empresa é a responsável pela implementação. Entre o futuro e o passado do Cemeai Em julho de 2026, o Cemeai deixou de ser um CEPID da FAPESP. No entanto, o projeto continua existindo, agora como um dos Centros de Pesquisa e Inovação Especiais (Cepix) da USP, uma iniciativa da universidade para continuar com os centros inicialmente apoiados pela fundação. “Ao longo da trajetória do centro, nós percebemos que precisamos ser adaptáveis e ter iniciativas permanentemente em andamento”, afirma Francisco Louzada Neto, professor do ICMC-USP e atual diretor do Cemeai. Antes de assumir a direção do centro depois de Cuminato, Louzada foi diretor de transferência da iniciativa e colaborou no diálogo entre academia e indústria. A criação de um mestrado profissional em matemática, estatística e computação aplicadas à indústria foi uma das ações do centro nesse sentido. No programa, o estudante pode trazer um problema industrial para ser solucionado durante o mestrado. Depois foi criada outra formação, um MBA em ciências de dados, que conta com uma estrutura parecida com a do mestrado profissional, mas que pode ser finalizado em um ano, metade do tempo médio dos que buscam o título de mestre. Além disso, Louzada pretende expandir os workshops idealizados por Cuminato para outras regiões do país. O atual diretor do centro afirma que uma edição do evento já aconteceu em Salvador e outra está agendada para ocorrer em Manaus. Outra ideia para o futuro do Cemeai é criar relações com outras instituições e projetos, para disseminar o modelo de trabalho do centro nas demais regiões brasileiras, algo que já vem ocorrendo. “O Cemeai foi uma das inspirações para a criação do Centro de Projetos e Inovação, ou Centro Pi, do Impa, o qual, como ele, trabalha para aproximar a academia dos setores produtivos, por meio de parcerias tecnológicas que possam beneficiar a sociedade”, afirma o diretor-geral do Impa. Lucas Nissenbaum, gerente de projetos tecnológicos do Impa, atuou em diferentes ações da iniciativa, entre elas uma parceria firmada com a prefeitura do Rio de Janeiro para melhorar o monitoramento e os avisos sobre chuvas na cidade. Ao acessar informações de radar e satélite fornecidas pela prefeitura, a equipe do Centro Pi desenvolveu um sistema de inteligência artificial para esse projeto, que já foi disponibilizado para o município. “O objetivo era prevenir riscos ligados às chuvas, com foco maior na previsão de enchentes, numa janela de curto prazo e com boa capacidade de determinar a localização das ameaças”, explica Nissenbaum. Embora os resultados positivos do Cemeai no desafio de aproximar indústria e academia sejam visíveis, ainda há espaço para melhorar. Cuminato afirma que o cenário melhorou, mas lacunas no diálogo se mantêm. E isso é causado por ambos os lados. Da parte da academia, falta uma abertura maior em relação a projetos fora do ambiente universitário. “Os nossos programas de pós-graduação são muito acadêmicos”, resume Cuminato. Já do lado da indústria, existe um comodismo que acaba incentivando a compra de tecnologia estrangeira. “O empresariado brasileiro prefere comprar um produto pronto, porque ele vai produzir resultados amanhã, do que investir numa solução com universidades. A pesquisa demora mais, é óbvio, só que a indústria não pensa nas repercussões dessa solução aparentemente pronta. Se amanhã for preciso modificar esse produto que o empresário comprou, ele terá de pagar tudo de novo”, completa ele. Essa dificuldade é vista mesmo em projetos do Cemeai. Alguns deles, embora já tenham proposto soluções para problemas reais, ainda enfrentam dificuldades de adentrar o meio industrial. Esse é o caso da pesquisa de Lavor sobre geometria molecular, que poderia ser importante para o desenvolvimento mais eficaz de medicamentos por farmacêuticas. Para ele, duas razões explicam por que a relação entre academia e indústria não é a melhor, o que impacta pesquisas como a que está desenvolvendo. O primeiro motivo é a demora natural para realizar uma pesquisa desse tipo, gerando ansiedade na indústria, que deseja confirmar logo se o estudo vai resultar num produto ou numa aplicação real. Já a segunda razão está ligada ao próprio cenário brasileiro. “Se compararmos o país com grandes centros, a proximidade entre os dois lados ainda é pequena. O próprio Cemeai foi fundamental para diminuir essa distância. Mas, tirando exceções, a academia é muito distante tanto da sociedade quanto da indústria”, afirma Lavor. Breve história do Cemeai Além de soluções para a indústria, o centro ajudou a enfrentar a pandemia jun.2013: Criação do Cemeai como um CEPID da FAPESP set.2015: Realização do primeiro Workshop de Soluções Matemáticas para Problemas Industriais jan.2020: Criação do MBA em ciências de dados mai.2020: Início do projeto Vidas Salvas, feito para estimar o impacto do isolamento social na diminuição de mortes na pandemia fev.2021: Apoio do Cemeai na criação do Info Tracker, ferramenta para monitorar dados sobre a Covid-19 no estado de São Paulo e, depois, em outras regiões do Brasil out.2024: Atualização do supercomputador Cluster Euler jun.2026: Marco de 12 edições do Workshop de Soluções Matemáticas para Problemas Industriais Até jul.2026: Publicação de 3.400 artigos científicos derivados de pesquisas com o apoio do Cemeai Até jul.2026: R$ 45 milhões investidos em projetos desenvolvidos em parceria com a indústria jul.2026: Inclusão do Cemeai na iniciativa Cepix, da USP