A inteligência artificial vai coletar e analisar os dados indicadores de engajamento dos alunos através de sua atividade e registros digitais, identificando prematuramente situações onde o Centro de Engajamentos possa ser acionado para oferecer ajuda.
Fotografias do local vão ajudar a identificar a presença de populações de morcegos através de evidências menos claras, o que é importante para o planejamento adequado de intervenções nas estruturas.
O método aplica autoencoders variacionais para representar o universo de materiais com propriedades interessantes, originalmente esparso, em um espaço latente contínuo, a partir do qual novas soluções podem ser descobertas e selecionadas para teste experimental.
O sistema combina sinais de exames sem a necessidade de injeção de contraste para gerar imagens de qualidade ainda superior às imagens com contraste, facilitando os exames e permitindo o acompanhamento mais frequente de pessoas com problemas cardíacos.
Um método de machine learning apresentado recentemente foi aplicado para identificar as estruturas mais estáveis de uma molécula orgânica aderida a uma superfície metálica, esclarecendo propriedades que não podiam ser investigadas pelos métodos tradicionais.
Um algoritmo foi aplicado para gerar novos artefatos úteis ao estudo de como regiões do cérebro reagem a estímulos elétricos, o que tem potencial terapêutico para doenças causadas pelo desarranjo das redes elétricas cerebrais.
A inteligência artificial é responsável por analisar as fotografias captadas pelo sistema de inspeção das variedades geradas em laboratório, e identificar a presença do fungo, o que indica as variedades a serem desconsideradas nas etapas seguintes de desenvolvimento.
O modelo foi treinado para prever a presença de gelo marítimo com base em dados climáticos, atingindo precisão alta em até 2 meses no futuro, superando as ferramentas tradicionais.
O sistema facilita o mapeamento de dados coletados em estudos até um atlas de referência das células humanas, o que permite identificar células doentes individualmente.
O sistema é treinado adicionando ruído a uma imagem em alta resolução, e depois aprendendo a reverter o processo.
