IA e Computação na Borda: Pesquisa de Pós-Doutorado de Marcelo Claudio Sousa Araújo usa IA para reduzir a latência para usuários em movimento

A pesquisa é orientada pelo pesquisador Luiz Fernando Bittencourt 

Pesquisadores em IoT e redes de computadores estão focados em resolver um desafio crítico da vida moderna: a manutenção de uma conectividade rápida e ininterrupta para usuários que se deslocam constantemente. 

Esse esforço se concentra na Computação na Borda (Edge Computing), na qual o processamento está espalhado por todos os lados.

O cerne da investigação do pesquisador do ICoNIoT Marcelo Araújo, realizada em um Pós-Doutorado sob a supervisão do professor Luiz Fernando Bittencourt (UNICAMP), é buscar fazer com que o conjunto de dados que normalmente seria executado na nuvem acompanhe o usuário durante seus deslocamentos diários para o trabalho, lazer, etc. O objetivo primordial é melhorar a latência e a experiência geral do usuário, garantindo que o tempo de resposta permaneça o mais baixo e rápido possível.

O desafio dos ambientes próximos

Apesar da necessidade de proximidade, há uma grande questão que demanda pesquisa: os ambientes localizados na borda da rede – que podem ser mini data centers ou mesmo roteadores – são menos robustos e detêm menos poder computacional. A pesquisa visa encontrar, então, a melhor maneira possível de realizar essa troca de dados (ou handoff) entre esses ambientes.

A solução proposta passa pela criação de um algoritmo que possa ser adaptado para essa finalidade específica, sendo capaz de identificar que o usuário está em movimento.

Aprendizado profundo na tomada de decisão

O projeto de pós-doutorado de Araújo associa conceitos de Inteligência Artificial (IA) ao trabalho que já vinha sendo desenvolvido por ele. O foco está no aprendizado profundo para capacitar o sistema computacional a tomar as melhores decisões autonomamente.

O sistema avalia uma série de dados e métricas para decidir como gerenciar a mobilidade, incluindo:

  • A previsão de como será a mobilidade do usuário;
  • A verificação da latência;
  • A distância do usuário;
  • A avaliação da estrutura que está próxima do usuário, especialmente se esta estiver congestionada.

O uso de técnicas como DRL (Deep Reinforcement Learning) aumenta a flexibilidade das métricas que o sistema computacional irá avaliar durante o processo de decisão.

Simulações para Superar Limitações

Um dos grandes obstáculos nesse tipo de projeto é o alto custo envolvido na realização de simulações hiper-realistas. Essa limitação é contornada pelos pesquisadores, nas fases iniciais, utilizando simuladores que incorporam características fiéis do ambiente real. Além disso, é possível modelar o comportamento e as ações que o usuário faria em seu dia a dia. No caso do projeto de Araújo, foi criado um mapa sintético da cidade de Atenas. Este mapa serve para executar a lógica do sistema e fazer uma simulação que se aproxima de um ambiente real.

 

Dave Cavalcanti apresenta webinar ‘Enabling Real-Time Systems & AI at the Edge’ dia 2 de abril

Em sua apresentação o Dr. Dave Cavalcanti, Engenheiro Sênior na Intel, examinará os fundamentos arquitetônicos e de nível de sistema necessários para viabilizar a computação determinística em tempo real em conjunto com aplicações de IA em plataformas de borda modernas.

Vai enfocar a computação coordenada no tempo, as cargas de trabalho de criticidade mista e a convergência entre computação e rede como fatores-chave para os sistemas ciberfísicos de próxima geração.

A apresentação discutirá recursos de hardware, software e rede, como Time-Sensitive Networking, ferramentas de benchmarking e seu papel na viabilização de sistemas em tempo real aprimorados por IA em diversos mercados verticais.

O palestrante

Dave Cavalcanti é engenheiro sênior na Intel Corporation, com ampla experiência em sistemas de rede distribuídos, conectividade, padrões do setor e ecossistemas. Ele também atua como presidente da Avnu Alliance, um fórum do setor que promove padrões e programas de certificação para possibilitar um desempenho determinístico em tempo real com base em dispositivos interoperáveis de Time Sensitive Networking (TSN) e redes convergentes.

Ele obteve o título de doutor em Ciência da Computação e Engenharia em 2006 pela Universidade de Cincinnati, mestrado em Ciência da Computação e bacharelado em Engenharia Eletrônica pela UFPE, no Brasil. Publicou mais de 50 artigos revisados por pares e detém mais de 125 patentes concedidas. Ocupou vários cargos de liderança em conferências e publicações do IEEE.

Não é necessário se inscrever para participar do webinar, basta acessar o nosso canal no YouTube.

Esperamos vocês!

. Data: 2 de abril de 2026, 5a feira.
. Horário: 16h.
. Transmissão pelo canal INCT ICoNIoT no YouTube

 

K8s-DT – Conheça o projeto do professor Francisco Airton

No projeto de pesquisa conduzido pelo professor Francisco Airton (UFPI), ele e seus alunos Iure Fé (doutorado), José Miqueias (mestrado) e Lucas Lopes (mestrado) desenvolvem modelos analíticos baseados em Redes de Petri, usados para representar matematicamente qualquer sistema distribuído. Eles criam um diagrama que descreve o sistema e realizam cálculos probabilísticos para obter diversas métricas, utilizando uma ferramenta específica para isso.

Airton considera que esses modelos também podem ser interpretados como digital twins. A partir disso, o grupo seleciona um sistema de informação específico — no caso do aluno de doutorado, o Kubernetes — e constrói modelos de Redes de Petri que representam a implantação do Kubernetes. Depois de modelar esse sistema, eles integram o modelo a um software capaz de executá-lo e monitorar o Kubernetes em tempo real. 

Já os alunos de mestrado usam outros sistemas monitorados: um deles trabalha com monitoramento por câmera, e outro com um simulador de drones.

A equipe está preparando artigos para o SBRC deste ano, descrevendo como a plataforma de digital twin pode apresentar desempenho superior a diferentes tipos de autoscaling. Neste caso, o sistema testa diferentes configurações e simula cenários (“what if”), o que permite identificar a melhor opção antes de aplicá-la no ambiente real.

Na arquitetura cliente-servidor tradicional, o Kubernetes opera ao lado dos servidores e pode conectar-se a qualquer cliente, incluindo dispositivos de IoT. Nesses dispositivos, um conjunto de sensores gera dados que variam conforme o contexto, como horário do dia ou fluxo de veículos. Essa variação na demanda exige ajustar dinamicamente a configuração da implantação do Kubernetes. É neste ponto que pode atuar o K8s-DT, prevendo a melhor nova configuração a ser implementada.

Pesquisador do ICoNIoT lança livro sobre aprendizado de máquina para o gerenciamento de redes

Oscar Mauricio Caicedo Rendon, um dos membros da rede internacional de pesquisadores do INCT ICoNIoT, lançará em 26 de abril deste ano de 2026 seu livro “Machine Learning for Network Management”. O livro está sendo publicado pela Springer Nature e poderá ser adquirido completo ou por capítulos.

“Machine Learning for Network Management” foi escrito para ser um texto guia para estudantes de mestrado e doutorado que estejam interessados em estudar a  aplicação do aprendizado de máquina em redes, introduzindo-se no mundo dos algoritmos úteis para resolver problemas de gerenciamento de redes. 

O autor

Oscar Mauricio Caicedo é professor da Faculdade de Engenharia Eletrônica e Telecomunicações da Universidad del Cauca, Colômbia, onde é membro do Grupo de Engenharia Telemática. Ele  fez seu doutorado na UFRGS, orientado pelo pesquisador Lisandro Granville. Quando voltou para a Colômbia no ano 2015, começou a trabalhar na área de gerenciamento de redes usando algoritmos de machine learning com o Professor Nelson Fonseca, muito antes da explosão da IA generativa que tem sido observada. 

Em 2018, o prof. Caicedo já estava publicando os primeiros resultados de sua pesquisa em ML para gerenciamento de redes e continua fazendo-lo em 2026. Seu livro aproveita toda essa experiência de mais de dez anos de pesquisa, usando reinforcement learning, deep reinforcement learning, federated learning, explainable artificial intelligence, e large/small language models, para resolver problemas de falhas, configuração, rendimento, e segurança em redes de comunicação.

Composição do livro

O livro divide-se em três partes, sendo a primeira conceitual, sobre ML e gerenciamento de redes, trazendo uma cronologia de ML na gerência de redes desde os anos de 1950 até 2024/2025, quando encontra a IA generativa.

A segunda parte trata especificamente da configuração de redes, passando por elementos como performance, segurança, falhas de configuração e a definição de algoritmos para cada uma dessas áreas. São apresentados algoritmos e códigos, sua complexidade computacional, e casos de uso.

A terceira e última parte apresenta com mais profundidade um exemplo de aplicação do uso da IA generativa para o gerenciamento de redes. Introduz um problema que pode ser abordado usando IA gen, objetivando trazer um caso atual.

Além dos exemplos com códigos, cada capítulo apresenta exercícios práticos e a solução para eles, além de slides para que professores possam utilizar, personalizando-os como desejarem.

O livro conecta-se com diversas pesquisas desenvolvidas no ICoNIoT.

Para saber mais, acesse a página da obra no site da Springer Nature.

 

 

Projetos coordenados por pesquisadores do INCT ICoNIoT são contemplados no OpenRAN@Brasil

No começo do ano, o Programa OpenRAN@Brasil divulgou o resultado da Chamada para Aplicações 5G Open RAN e Hospedeiros, iniciativa voltada ao fomento de soluções inovadoras baseadas em redes abertas de acesso por rádio. As propostas selecionadas têm como objetivo impulsionar o desenvolvimento de aplicações 5G Open RAN em áreas estratégicas para o país.

Das cinco propostas contempladas, três são coordenadas por pesquisadores do INCT ICoNIoT. São elas: GreenRAN: Open RAN Sustentável para o Agro e Campi Inteligentes/Coordenador: Eduardo Cerqueira (UFPA); OpenHealth5G: Open 5G Networking for Digital Health/Coordenador: Juliano Wickboldt (UFRGS); e Sentinel-5GO: Monitoramento Colaborativo de Segurança e Meio Ambiente em Redes 5G Open RAN/Coordenador: Augusto Neto (UFRN).

Também uma quarta proposta, intitulada CampusRAN: Campus Inteligente com Rede de Acesso via Rádio Aberta e coordena por Dianne Scherly (UFF), conta com a participação dos pesquisadores do ICoNIoT Igor Moraes e Diogo Mattos, ambos da UFF.

Conheça as propostas:

GreenRAN: Open RAN Sustentável para o Agro e Campi Inteligentes

A proposta “GreenRAN: Open RAN Sustentável para o Agro e Campi Inteligentes” oferece a Solução-ORAN-Green, que será sistemática e extensivamente avaliada a partir de duas aplicações desenvolvidas em distintos casos de uso, nas verticais “Agro 4.0 e Conectividade Rural” (principal) e “Cidades e Campi Inteligentes” (secundária). Essas aplicações utilizarão a conectividade 5G proporcionada pela Rede-5G-Green, hospedada no campus da UFPA em Belém.

Sentinel-5GO

No caso do projeto Sentinel-5GO, da UFRN em parceria com a Universidade de Aveiro em Portugal e com a Brisanet Serviços de Telecomunicações S.A., o objetivo é e validar uma solução integrada que combina o potencial das redes 5G/OpenRAN, processamento de dados no continuum telco-Cloud (computação em borda e extrema borda), inteligência artificial multimodal e percepção colaborativa em dois casos de uso estratégicos voltados a Cidades e Campi Inteligentes: segurança pública inteligente (por meio da aplicação PubSafe) e monitoramento ambiental e de biodiversidade (pautado na aplicação EnvMon).

O projeto utilizará a infraestrutura aberta e desagregada da ilha do Programa OpenRAN@Brasil na UFRN, como plataforma de experimentação e validação de tecnologias 5G abertas e interoperáveis. As aplicações PubSafe e EnvMon exploram as capacidades da rede 5G. A aplicação PubSafe busca aprimorar a segurança pública e o monitoramento inteligente do Campus Central da UFRN, utilizando drones, robôs e câmeras conectadas à ilha OpenRAN@Brasil para detecção de incidentes e geração automática de alertas. Já a aplicação EnvMon aplica sensores IoT, câmeras e microfones no campus e em parte do Parque das Dunas para monitoramento ambiental e da biodiversidade, utilizando IA para identificação de fauna e flora, estimativa de créditos de carbono e análise climática.

OpenHealth5G

O OpenHealth5G, parceria da UFRGS com a PUC-RS, a Federal de Ciências da Saúde e a UNISINOS, propõe o desenvolvimento e a experimentação de aplicações inovadoras em Saúde Digital e Conectada, explorando o potencial das tecnologias abertas de redes 5G e Open RAN. Os cenários de uso priorizados incluem telessaúde emergencial, que permitirá o atendimento remoto em situações críticas com suporte a dispositivos médicos e sensores conectados, e educação médica imersiva, que utilizará recursos de realidade aumentada e virtual para formar estudantes e profissionais de saúde.

CampusRAN

O objetivo deste projeto é implantar um campus inteligente na UFF para desenvolvimento e experimentação de aplicações 5G Open RAN. Serão desenvolvidas duas aplicações, Dashboard de Monitoramento e Aplicação de Conectividade Gamificada, que envolvem os seguintes serviços: localização indoor de UEs, videomonitoramento para segurança da comunidade do campus e controle ambiental, sensoriamento de espaços internos e externos e acesso à Internet para a comunidade acadêmica.

Expansão nacional do testbed

Além da seleção das aplicações, a chamada também aprovou novas instituições hospedeiras que receberão as ilhas do Programa OpenRAN@Brasil. A ampliação do número de hospedeiros fortalece a expansão nacional do testbed, permitindo maior capilaridade da infraestrutura e ampliando o acesso de pesquisadores das regiões Norte, Nordeste e Sul do país. Na região Nordeste, a UFRN será a contemplada com a ilha, também sob a coordenação do professor Augusto Neto.

Infraestruturas de pesquisa

Os projetos aprovados no OpenRAN@Brasil se alinham ao propósito da UNICAMP de desenvolver e implantar infraestruturas de pesquisa, bem como as ferramentas de controle associadas para permitir experimentação, na Europa e no Brasil, a fim de fomentar a pesquisa experimental no ponto de convergência entre as redes ópticas e sem fio. Ainda em 2016, a UNICAMP desenvolveu com a UFRGS, UFMG, UFES e UFCE e universidades europeias o projeto FUTEBOL –  cujo objetivo foi desenvolver e implantar infraestruturas de pesquisa, bem como as ferramentas de controle associadas para permitir experimentação, na Europa e no Brasil, a fim de fomentar a pesquisa experimental no ponto de convergência entre as redes ópticas e sem fio.

 Inovação aberta

Uma das grandes potencialidades do OpenRAN@Brasil é implementar um ambiente de experimentação (testbed) que abre muitas possibilidades de pesquisas, por ser aberto. Ambientes de experimentação assim costumam ter um custo que pode impedir pesquisadores com menos recursos. As aplicações aprovadas irão explorar o potencial do ecossistema Open RAN, que, além da experimentação, permitirá a validação tecnológica e geração de conhecimento aplicado em diferentes contextos de uso, alinhados às demandas nacionais de inovação e transformação digital.

O programa é executado pela RNP, CPQD, Inatel e pelo Instituto Eldorado. Estimula a colaboração entre a indústria e a academia e busca promover os modelos de desenvolvimento colaborativo, sem se limitar ao open source. Procura atender a demandas de prestadores de serviço e usuários de redes privadas, promover o ecossistema de inovação através do espaço de experimentação e demonstração, promover cenários de aplicação (redes públicas e privadas) e apoiar a formação de recursos humanos.

 

Pesquisadores do ICoNIoT estão em quatro dos cinco minicursos aceitos para o SBRC

A 44ª edição do Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC) será realizada de 25 a 29 de maio de 2026 no formato presencial.

Recentemente, foram divulgados os minicursos aprovados para o simpósio: são cinco minicursos, dos quais quatro incluem pesquisadores do ICoNIoT.

Confira os cursos e pesquisadores participantes:

Minicurso 1
Ataques em Aprendizado Federado: Impactos Práticos e Estratégias de Mitigação, Helio N. Cunha Neto (UERJ), Carlos Henrique Nunes (UERJ), Raphael Ortolan (UERJ), Ian Vilar Bastos (UERJ), Evandro Luiz Cardoso Macedo (UERJ), Rafaela Correia Brum (UERJ), Alexandre Sztajnberg (UERJ), Diogo Menezes Ferrazani Mattos (UFF)

Minicurso 2
Aprendizado Federado Veicular: da Teoria à Prática, Lucas Airam C. de Souza (UFRJ), Guilherme Thomaz (UFRJ), Mateus da Silva Gilbert (UFRJ), Vinicius Avena (UFRJ), Felipe Gomes Táparo (UFRJ), João Sobrinho (UFRJ), Fernando Silva (UFRJ), Nadjib Achir (INRIA Saclay), Miguel Elias Mitre Campista (UFRJ), Luis Henrique Maciel Kosmalski Costa (UFRJ)

Minicurso 3
Agentes Inteligentes para Configuração de Redes de Computadores: Da Teoria à Prática com LLM, SLM, RAG e IA Agentic,William Lima Reiznautt (UNICAMP), Eduardo Coelho Cerqueira (UFPA), Diogo Maciel Cunha (UNICAMP), Leandro Villas (UNICAMP), Antonio Alfredo Ferreira Loureiro (UFMG), Denis Rosário (UFPA), Allan M. de Sousa (UNICAMP), Nelson Fonseca (UNICAMP).

Minicurso 5
Construção de Sistemas de Gêmeos Digitais: Uma Abordagem baseada em Middleware, André Gustavo Almeida (IFRN), Lucas Pereira (UFRN), Thais Vasconcelos Batista (UFRN), Everton Cavalcante (UFRN), Flavia Delicato (UFF), Rebeca Mota (UFF).