Publicado em: 06/10/2026
Pesquisa do PPGC usa LLMs para otimizar redes neurais
Gustavo Kremer, doutorando do Programa de Pós-Graduação em Computação (PPGC) do Instituto de Informática da UFRGS, recebeu a distinção Outstanding Participant durante o encerramento do Programa Brasil-China de Líderes em Inovação Científica e Tecnológica, realizado na Universidade de Beihang, na China. A missão acadêmica contou com apoio financeiro da CAPES e reuniu aproximadamente 160 estudantes e docentes de pósgraduação de 19 universidades brasileiras.
O reconhecimento foi concedido em razão da apresentação do trabalho e pôster científico intitulado “From Neural Architecture Search to Large-Scale Computing: Intelligent Operators with LLMs and Paths for Brazil–China Collaboration”, desenvolvido sob orientação do professor Joel Luís Carbonera.
A premiação destaca não apenas a qualidade científica da pesquisa apresentada, mas também o potencial de cooperação entre grupos de pesquisa brasileiros e chineses. O reconhecimento internacional reforça a relevância das investigações conduzidas no Instituto de Informática da UFRGS e amplia as perspectivas de colaboração acadêmica em temas relacionados à Inteligência Artificial e Computação de Alto Desempenho.
“Uma parceria científica de verdade vai além do acesso a poder computacional: ela se constrói na troca de conhecimento técnico, de métodos e de ideias. Os nossos métodos, tecnologias e ferramentas de pesquisa são muito alinhados aos utilizados na Universidade de Beihang, o que torna essa colaboração natural e valiosa”, destaca o doutorando.
A experiência abre caminhos para futuras iniciativas conjuntas, incluindo projetos de pesquisa, publicações científicas e intercâmbios acadêmicos entre a UFRGS e a Universidade de Beihang, fortalecendo a inserção internacional da pesquisa desenvolvida no PPGC.
Universidade de Beihang (China).
Sobre a pesquisa
A pesquisa apresenta uma proposta de cooperação científica internacional baseada no uso de Modelos de Linguagem de Grande Escala (LLMs) como operadores inteligentes aplicados ao contexto de Neural Architecture Search (NAS), área dedicada ao projeto e à otimização de arquiteturas de redes neurais profundas.
A proposta estabelece uma conexão direta entre a pesquisa desenvolvida no PPGC e pesquisas desenvolvidas na Universidade de Beihang. O trabalho articula conceitos investigados na tese de doutorado com a plataforma DATA Thinking, desenvolvida pelo Data Science and Intelligent Computing Laboratory (DSIC Lab), especializada em virtualização e particionamento de recursos de computação heterogênea.
Segundo o pesquisador, a abordagem busca enfrentar um dos principais desafios históricos do NAS: o elevado custo computacional necessário para gerar e avaliar arquiteturas de redes neurais. A integração entre métodos inteligentes de busca e infraestruturas avançadas de computação abre novas possibilidades para tornar esses processos mais eficientes e escaláveis.