Leandro Santiago de Araújo

Pós-doutorado

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• DE ALMEIDA NETO, JOÃO CARMO ; DE ARAÚJO, LEANDRO SANTIAGO ; DUTRA LUSQUINO FILHO, LEOPOLDO ANDRÉ ; DE FARIAS, CLAUDIO MICELI . Time series forecasting for multidimensional telemetry data based on Generative Adversarial Network in a Digital Twin. Journal of Computational Science , v. 88, p. 102589, 2025.

• CUNHA, LUÍS ; MARCIANO, ERIKY ; MORAES, ANDERSON ; SANTIAGO, LEANDRO ; SANTOS, CARLOS . New parallelism and heuristic approaches for generating tree t-spanners in graphs. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE , v. 1, p. 1-36, 2024.

• CUNHA, LUÍS ; SANTIAGO, LEANDRO ; SOUZA, FELIPE . Graph admissibility: Case generation and analysis by learning models. Journal of Computational Science , v. 78, p. 102281, 2024.

• VILLON, LUIS A.Q. ; SUSSKIND, ZACHARY ; BACELLAR, ALAN T.L. ; MIRANDA, IGOR D.S. ; DE ARAÚJO, LEANDRO S. ; LIMA, PRISCILA M.V. ; BRETERNITZ, MAURICIO ; JOHN, LIZY K. ; FRANÇA, FELIPE M.G. ; DUTRA, DIEGO L.C. . A conditional branch predictor based on weightless neural networks. NEUROCOMPUTING , v. 555, p. 126637, 2023.

• SUSSKIND, ZACHARY ; ARORA, AMAN ; MIRANDA, IGOR D. S. ; BACELLAR, ALAN T. L. ; VILLON, LUIS A. Q. ; KATOPODIS, RAFAEL F. ; DE ARAÚJO, LEANDRO S. ; DUTRA, DIEGO L. C. ; LIMA, Priscila M. V. ; FRANÇA, FELIPE M. G. ; JR., MAURICIO BRETERNITZ ; JOHN, LIZY K. . ULEEN: A Novel Architecture for Ultra Low-Energy Edge Neural Networks. ACM Transactions on Architecture and Code Optimization , v. 20, p. 1-24, 2023.

• COUTO, FERNANDA ; CUNHA, LUÍS FELIPE I. ; JUVENTUDE, DANIEL ; SANTIAGO, LEANDRO . Strategies for generating tree spanners: Algorithms, heuristics and optimal graph classes. INFORMATION PROCESSING LETTERS , v. 177, p. 106265, 2022.

• MELLO, RUI R. ; ARAÚJO, LEANDRO S. ; ALVES, TIAGO A. O. ; MARZULO, LEANDRO A. J. ; PAILLARD, GABRIEL A. L. ; FRANÇA, FELIPE M. G. . Gamma - General Abstract Model for Multiset mAnipulation and dynamic dataflow model: An equivalence study. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE , v. AOP, p. 1-30, 2021.

• SANTIAGO DE ARAUJO, LEANDRO ; VERONA, Leticia ; RANGEL, Fábio ; FARIA, F. F. ; MENASCHE, Daniel S. ; CAARLS, Woulter ; BRETERNITZ, Maurício ; KUNDU, SANDIP ; LIMA, Priscila M. V. ; FRANCA, F. M. G. . Weightless Neural Networks as Memory Segmented Bloom Filters. NEUROCOMPUTING , v. AOP, p. 1, 2020.

• DO, JAEYOUNG ; FERREIRA, VICTOR C. ; BOBARSHAD, HOSSEIN ; TORABZADEHKASHI, MAHDI ; REZAEI, SIAVASH ; HEYDARIGORJI, ALI ; SOUZA, DIEGO ; GOLDSTEIN, BRUNNO F. ; SANTIAGO, LEANDRO ; KIM, MIN SOO ; LIMA, Priscila M. V. ; FRANÇA, FELIPE M. G. ; ALVES, VLADIMIR . Cost-effective, Energy-efficient, and Scalable Storage Computing for Large-scale AI Applications. ACM Transactions on Storage , v. 16, p. 1-37, 2020.

• Leandro Santiago ; PATIL, VINAY C. ; PRADO, CHARLES B. ; ALVES, TIAGO A. O. ; MARZULO, LEANDRO A.J. ; FRANCA, FELIPE M.G. ; KUNDU, SANDIP . Design of Robust, High-Entropy Strong PUFs via Weightless Neural Network. Journal of Hardware and Systems Security , v. 3, p. 1-15, 2019.

• SANTIAGO, LEANDRO ; MARZULO, LEANDRO A.J. ; SENA, ALEXANDRE C. ; ALVES, TIAGO A.O. ; FRANÇA, FELIPE M.G. . Optimising loops in dynamic dataflow. IET Circuits Devices & Systems , v. 11, p. 113-122, 2017.

• PEREIRA, ADRIANO G. ; DE FARIAS, CLAUDIO M. ; DE ARAUJO, LEANDRO SANTIAGO . A Ship Detection Technique Using Weightless Neural Networks. In: 2025 28th International Conference on Information Fusion (FUSION), 2025, Rio de Janeiro. 2025 28th International Conference on Information Fusion (FUSION), 2025. p. 1.

• MELLO, RUI R. ; PAILLARD, GABRIEL A. L. ; ARAUJO, LEANDRO S. ; DINIZ, PEDRO C. ; FRANÇA, FELIPE M. G. . GSink - A Runtime for Gamma Programs and its CGRA Mapping Proposal. In: 2023 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2023, St. Petersburg. 2023 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2023. p. 444.

• SANTOS, C. T. D. ; ZUDIO, A. ; ARAUJO, L. S. ; CUNHA, L. F. I. . Heuristics for t-admissibility with complex network approach. In: SBPO 2023: Simpósio Brasileiro de Pesquisa Operacional, 2023, São José dos Campos. Anais do Simpósio Brasileiro de Pesquisa Operacional, 2023. v. 55.

• SOUZA, F. ; ARAUJO, L. S. ; CUNHA, L. F. I. . Gerando base de grafos não isomorfos com seus índices de extensão. In: SBPO 2023: Simpósio Brasileiro de Pesquisa Operacional, 2023, São José dos Campos. Anais do Simpósio Brasileiro de Pesquisa Operacional, 2023. v. 55.

• NASCIMENTO, T. L. ; PROTTI, F. ; CUNHA, L. F. I. ; ARAUJO, L. S. . Paralelismo e Heurísticas para o problema da mediana por swap. In: SBPO 2023: Simpósio Brasileiro de Pesquisa Operacional, 2023, São José dos Campos. Anais do Simpósio Brasileiro de Pesquisa Operacional, 2023. v. 55.

• SUSSKIND, ZACHARY ; ARORA, AMAN ; MIRANDA, IGOR D. S. ; VILLON, LUIS A. Q. ; KATOPODIS, RAFAEL F. ; DE ARAÚJO, LEANDRO S. ; DUTRA, DIEGO L. C. ; LIMA, Priscila M. V. ; FRANÇA, FELIPE M. G. ; BRETERNITZ, MAURICIO ; JOHN, LIZY K. . Weightless Neural Networks for Efficient Edge Inference. In: PACT '22: International Conference on Parallel Architectures and Compilation Techniques, 2022, Chicago Illinois. Proceedings of the International Conference on Parallel Architectures and Compilation Techniques. p. 279.

• VILLON, L. A. Q. ; SUSSKIND, Z. ; BACELLAR, A. T. L. ; MIRANDA, I. D. S. ; ARAUJO, LEANDRO S. ; LIMA, Priscila M. V. ; BRETERNITZ JR., M. ; JOHN, L. K. ; FRANCA, F. M. G. ; DUTRA, D. L. C. . A WiSARD-based conditional branch predictor. In: 30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2022, Bruges. ESANN 2022 - Proceedings, 2022.

• BACELLAR, A. T. L. ; SUSSKIND, Z. ; VILLON, L. A. Q. ; MIRANDA, I. D. S. ; ARAUJO, L. S. ; DUTRA, D. L. C. ; BRETERNITZ JR., M. ; JOHN, L. K. ; LIMA, Priscila M. V. ; FRANCA, FELIPE M. G. . Distributive Thermometer: A New Unary Encoding for Weightless Neural Networks. In: 30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2022, Bruges. ESANN 2022 - Proceedings, 2022.

• MIRANDA, IGOR D.S. ; ARORA, AMAN ; SUSSKIND, ZACHARY ; VILLON, LUIS A.Q. ; KATOPODIS, RAFAEL F. ; DUTRA, DIEGO L.C. ; DE ARAUJO, LEANDRO S. ; LIMA, PRISCILA M.V. ; FRANCA, FELIPE M.G. ; JOHN, LIZY K. ; BRETERNITZ, MAURICIO . LogicWiSARD: Memoryless Synthesis of Weightless Neural Networks. In: 2022 IEEE 33rd International Conference on Applicationspecific Systems, Architectures and Processors (ASAP), 2022, Gothenburg. 2022 IEEE 33rd International Conference on Application-specific Systems, Architectures and Processors (ASAP), 2022. p. 19.

• SUSSKIND, Z. ; BACELLAR, A. T. L. ; ARORA, A. ; VILLON, L. A. Q. ; MENDANHA, R. ; ARAÚJO, LEANDRO S. ; DUTRA, D. L. C. ; LIMA, Priscila M. V. ; FRANCA, FELIPE M. G. ; MIRANDA, I. D. S. ; BRETERNITZ JR., M. ; JOHN, L. K. . Pruning Weightless Neural Networks. In: 30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2022, Bruges. ESANN 2022 - Proceedings, 2022.

• GOLDSTEIN, BRUNNO F. ; SRINIVASAN, SUDARSHAN ; DAS, DIPANKAR ; BANERJEE, KUNAL ; SANTIAGO, LEANDRO ; FERREIRA, VICTOR C. ; NERY, ALEXANDRE S. ; KUNDU, SANDIP ; FRANCA, FELIPE M. G. . Reliability Evaluation of Compressed Deep Learning Models. In: 2020 IEEE 11th Latin American Symposium on Circuits & Systems (LASCAS), 2020, San Jose. 2020 IEEE 11th Latin American Symposium on Circuits & Systems (LASCAS), 2020. p. 1.

• DE ARAÚJO, LEANDRO S. ; MARZULO, LEANDRO A. J. ; ALVES, TIAGO A. O. ; FRANÇA, FELIPE M. G. ; KOREN, ISRAEL ; KUNDU, SANDIP . Building a portable deeply-nested implicit information flow tracking. In: CF '20: Computing Frontiers Conference, 2020, Catania Sicily Italy. Proceedings of the 17th ACM International Conference on Computing Frontiers, 2020. p. 150.

• BACELLAR, A. T. L. ; GOLDSTEIN, B. F. ; FERREIRA, V. C. ; SANTIAGO, LEANDRO ; LIMA, Priscila M. V. ; FRANCA, FELIPE M. G. . Fast Deep Neural Networks Convergence using a Weightless Neural Model. In: 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2020. ESANN 2020 - Proceedings, 2020. v. 1. p. 211-216.

• DE MELLO JUNIOR, RUI RODRIGUES ; DE ARAÚJO, LEANDRO SANTIAGO ; DUTRA, DIEGO LEONEL CADETTE ; PAILLARD, GABRIEL ANTOINE LOUIS ; DE AMORIM, CLÁUDIO LUIS ; FRANÇA, FELIPE MAIA GALVÃO . Fluid computing. In: EATIS 2020: 10th Euro American Conference on Telematics and Information Systems, 2020, Aveiro Portugal. Proceedings of the 10th Euro-American Conference on Telematics and Information Systems, 2020. p. 1-8.

• Leandro Santiago ; VERONA, Leticia ; RANGEL, Fábio ; FARIA, F. F. ; MENASCHE, Daniel S. ; CAARLS, Woulter ; BRETERNITZ, Maurício ; KUNDU, SANDIP ; LIMA, Priscila M. V. ; FRANCA, F. M. G. . Memory Efficient Weightless Neural Network using Bloom Filter. In: ESANN - European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2019, Bélgica. ESANN 2019 proceedings, 2019.

• MARZULO, LEANDRO ; BIANCHINI, CALEBE ; SANTIAGO, LEANDRO ; FERREIRA, VICTOR ; GOLDSTEIN, BRUNNO ; FRANCA, FELIPE . Teaching High Performance Computing through Parallel Programming Marathons. In: 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019, Rio de Janeiro. 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019. p. 296.

• FERREIRA, VICTOR C. ; NERY, ALEXANDRE S. ; MARZULO, LEANDRO A. J. ; SANTIAGO, LEANDRO ; SOUZA, DIEGO ; GOLDSTEIN, BRUNNO F. ; FRANCA, FELIPE M. G. ; ALVES, VLADIMIR . A Feasible FPGA Weightless Neural Accelerator. In: 2019 IEEE International Symposium on Circuits and Systems (ISCAS), 2019, Sapporo. 2019 IEEE International Symposium on Circuits and Systems (ISCAS), 2019. p. 1.

• MELLO, RUI R. ; ARAUJO, LEANDRO S. ; ALVES, TIAGO A.O. ; MARZULO, LEANDRO A.J. ; PAILLARD, GABRIEL A.L. ; FRANCA, FELIPE M.G. . Exploring the Equivalence between Dynamic Dataflow Model and Gamma - General Abstract Model for Multiset mAnipulation. In: 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019, Rio de Janeiro. 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019. p. 809.

• SANTIAGO DE ARAUJO, LEANDRO ; DA CRUZ FERREIRA, VICTOR ; FIGUEIROA GOLDSTEIN, BRUNNO ; SOLON NERY, ALEXANDRE ; AUGUSTO JUSTEN MARZULO, LEANDRO ; KUNDU, SANDIP ; MAIA GALVAO FRANCA, FELIPE . Hardware-Accelerated Similarity Search with Multi-Index Hashing. In: 2019 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), 2019, Fukuoka. 2019 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), 2019. p. 733.

• SANTIAGO DE ARAUJO, LEANDRO ; PATIL, VINAY C. ; AUGUSTO JUSTEN MARZULO, LEANDRO ; MAIA GALVAO FRANCA, FELIPE ; KUNDU, SANDIP . Efficient Testing of Physically Unclonable Functions for Uniqueness. In: 2019 IEEE 28th Asian Test Symposium (ATS), 2019, Kolkata. 2019 IEEE 28th Asian Test Symposium (ATS), 2019. p. 117.

• SANTIAGO, LEANDRO ; PATIL, VINAY C. ; PRADO, CHARLES B. ; ALVES, TIAGO A. O. ; MARZULO, LEANDRO A.J. ; FRANCA, FELIPE M.G. ; KUNDU, SANDIP . Realizing strong PUF from weak PUF via neural computing. In: IEEE International Symposium on Defect and Fault Tolerance in VLSI and Nanotechnology Systems (DFT), 2017, Cambridge. 2017 IEEE International Symposium on Defect and Fault Tolerance in VLSI and Nanotechnology Systems (DFT), 2017. p. 1-6.

• OLIVEIRA, S. T. ; SANTIAGO, LEANDRO ; GOLDSTEIN, B. F. ; FRANCA, F. M. G. ; CASTRO, M. C. S. ; NERY, A. S. ; SENA, A. C. ; COELHO, I. M. ; ALVES, T. A. O. ; MARZULO, L. A. J. ; BENTES, C. . DTM@GPU: Explorando Redundância de Traços em GPU. In: XVII Simpósio em Sistemas Computacionais de Alto Desempenho, 2016, Aracaju. Simpósio em Sistemas Computacionais de Alto Desempenho, 2016.

• SILVA, RAFAEL J.N. ; GOLDSTEIN, BRUNNO ; SANTIAGO, LEANDRO ; SENA, ALEXANDRE C. ; MARZULO, LEANDRO A.J. ; ALVES, TIAGO A.O. ; FRANCA, FELIPE M.G. . Task Scheduling in Sucuri Dataflow Library. In: 2016 International Symposium on Computer Architecture and High Performance Computing Workshops (SBACPADW), 2016, Los Angeles. 2016 International Symposium on Computer Architecture and High Performance Computing Workshops (SBAC-PADW), 2016. p. 37-42.

• LAUREDO, A. M. ; MESQUITA, J. S. ; SANTIAGO, LEANDRO ; SENA, A. C. ; CASTRO, M. C. S. ; MARZULO, L. A. J. . Implementação e Avaliação de Desempenho do LCS Paralelo em Cluster Multicore. In: XV Simpósio em Sistemas Computacionais de Alto Desempenho, 2014, São José dos Campos. XV Simpósio em Sistemas Computacionais de Alto Desempenho, 2014. v. 15. p. 27.

• LIRA, VITTOR F. ; CERREIA, FELIPPE H. ; SANTIAGO, LEANDRO ; SENA, ALEXANDRE C. ; CASTRO, MARIA CLICIA S. DE ; MARZULO, LEANDRO A.J. . Dataflow Virtual Machine Profiling. In: 2014 International Symposium on Computer Architecture and High Performance Computing Workshop (SBACPADW), 2014, Paris. 2014 International Symposium on Computer Architecture and High Performance Computing Workshop. p. 66.

• SANTIAGO, LEANDRO ; MARZULO, LEANDRO A.J. ; GOLDSTEIN, BRUNNO F. ; ALVES, TIAGO A.O. ; FRANCA, FELIPE M.G. . Stack-Tagged Dataflow. In: 2014 International Symposium on Computer Architecture and High Performance Computing Workshop (SBACPADW), 2014, Paris. 2014 International Symposium on Computer Architecture and High Performance Computing Workshop. p. 78.

• LIRA, V. F. ; CERREIA, F. H. ; SANTIAGO, LEANDRO ; SENA, A. C. ; MARZULO, L. A. J. . Instrumentação de Máquina Virtual Dataflow. In: XV Simpósio em Sistemas Computacionais de Alto Desempenho, 2014, São José dos Campos. XV Simpósio em Sistemas Computacionais de Alto Desempenho, 2014. v. 15. p. 260.

• SANTIAGO, LEANDRO ; MARZULO, L. A. J. ; ALVES, T. A. O. ; FRANÇA, FELIPE M.G. ; KOREN, ISRAEL ; KUNDU, SANDIP . Building a Portable Deeply-Nested Implicit Information Flow Tracking. 2020. (Apresentação de Trabalho/Conferência ou palestra).

• SANTIAGO, LEANDRO ; FRANÇA, FELIPE M.G. ; MARZULO, L. A. J. ; KUNDU, SANDIP . On Optimization of Hardware-Assisted Security. 2020. (Apresentação de Trabalho/Simpósio).

• Leandro Santiago ; VERONA, Leticia ; RANGEL, Fábio ; FARIA, F. F. ; MENASCHE, Daniel S. ; CAARLS, Woulter ; BRETERNITZ, Maurício ; KUNDU, SANDIP ; LIMA, Priscila M. V. ; FRANCA, F. M. G. . Memory Efficient Weightless Neural Network using Bloom Filter. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• Leandro Santiago ; FERREIRA, V. C. ; GOLDSTEIN, B. F. ; NERY, A. S. ; MARZULO, L. A. J. ; KUNDU, SANDIP ; FRANCA, F. M. G. . Hardware-Accelerated Similarity Search with Multi-Index Hashing. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• Leandro Santiago ; PATIL, VINAY C. ; PRADO, CHARLES B. ; ALVES, TIAGO A.O. ; MARZULO, LEANDRO A.J. ; FRANÇA, FELIPE M.G. ; KUNDU, SANDIP . Realizing strong PUF from weak PUF via neural computing. 2017. (Apresentação de Trabalho/Simpósio).

• OLIVEIRA, S. T. ; SANTIAGO, LEANDRO ; GOLDSTEIN, B. F. ; FRANCA, F. M. G. ; CASTRO, M. C. S. ; NERY, A. S. ; SENA, A. C. ; COELHO, I. M. ; ALVES, T. A. O. ; MARZULO, LEANDRO ; BENTES, C. . DTM@GPU: Explorando Redundância de Traços em GPU. 2016. (Apresentação de Trabalho/Simpósio).

• LIRA, V. F. ; CERREIA, F. H. ; SANTIAGO, LEANDRO ; SENA, A. C. ; MARZULO, L. A. J. . Instrumentação de Máquina Virtual Dataflow. 2014. (Apresentação de Trabalho/Simpósio).

Outras produções

Projetos de pesquisa

• 2025 - Atual

  Desenvolvimento de métodos de validação para deepfakes na biometria facial em sistemas bancários, Descrição: A criação de métodos de validação para deepfakes é crucial para a validação de biometria facial em sistemas bancários devido ao crescente poder dos métodos de manipulação facial, que conseguem enganar até mesmo detectores bem projetados. Deepfakes permitem que atacantes falsifiquem imagens de rostos humanos com um alto grau de realismo, o que pode ter impactos severos, como fraudes bancárias, roubo de identidade e violações de privacidade. Diante dessa ameaça, a necessidade de sistemas robustos de detecção se torna evidente para garantir a integridade e a autenticidade das identidades em aplicações bancárias que utilizam reconhecimento facial, como acesso a contas, autenticação de transações e verificação de identidade online. O aprendizado profundo (deep learning) pode ser um aliado poderoso nodesenvolvimento de soluções avançadas de IA para identificar e prevenir deepfakes em sistemas bancários.Modelos de aprendizado profundo, treinados em grandes volumes de dados, conseguem identificar padrões sutis e imperceptíveis ao olho humano. Ao aplicar técnicas de IA generativa e visão computacional, é possível criar modelos especializados que reconhecem diferentes tipos de manipulações faciais, capturando padrões específicos de falsificação produzidos por cada método de deepfake. Além disso, a distilação deconhecimento permite a integração de múltiplos modelos especializados em um único sistema eficiente, aumentando a eficácia da detecção sem incorrer em custos computacionais excessivos.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . , Integrantes: Leandro Santiago de Araujo - Coordenador / Flavio Luiz Seixas - Integrante.

• 2025 - Atual

  Análise da correlação de taxas de morbidade de doenças determinadas socialmente com indicadores socioeconômicos e climáticos para o Estado de São Paulo (Processo CNPq: 442318/2024-3), Descrição: Condições socioeconômicas diversas em conjunto com eventos ambientais extremos e variabilidade climática impõem desafios cada vez mais impreteríveis aos órgãos públicos responsáveis pela organização e elaboração de planos e políticas públicas para a saúde coletiva. Portanto, considerando a complexidade de avaliações desses diferentes fatores, esse projeto objetiva analisar as relações espaciais dos mesmos com a morbidade de doenças determinadas socialmente (DDS), a fim de compreender as correlações e padrões espaciais em 23 municípios do Estado de São Paulo. Para isso, mapas temáticos e modelos matemáticos preditivos, obtidos por deep learning, serão desenvolvidos para analisar a correlação entre fatores socioeconômicos, demográficos e ambientais com a taxa de morbidade de DDS. Esse estudo também tem por finalidade simular cenários futuros de ocorrência dos casos de morbidade para as doenças estudadas. Serão utilizados dados disponibilizados gratuitamente para uma análise histórica de 2000 a 2023. Entre os resultados, espera-se obter: (1) banco de dados referentes aos dados de morbidade para cada doença estudada, para os fatores ambientais (pluviosidade, temperatura e umidade relativa), para condições socioeconômicas (índices de pobreza e de urbanização); e referente à fatores demográfico (densidade demográfica); (2) mapas temáticos referente à distribuição espacial dos fatores estudados e das taxas de morbidade; (3) modelos de correlação obtidos por deep learning; e (4) projeção futura das morbidades pesquisadas. O uso de deep learning para identificar correlações significativas e para gerar modelos matemáticos que possam estimar a incidência de morbidade futura, permitirá a simulação de cenários futuros críticos para a saúde da população, subsidiando o desenvolvimento de políticas públicas em diferentes escalas, reduzindo disparidades na provisão de serviços de saúde do ponto de vista social e geográfico. Chamada CNPq/DECIT/MS N31/2024 - Faixa A estudos secundários.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Diego Javier Perez Ortega - Integrante / Liliane Moreira Nery - Integrante / LUIS ARMANDO DE ORO ARENAS - Integrante / Claudio Miceli de Farias - Integrante / Leopoldo André Dutra Lusquino Filho - Integrante / Darllan Collins da Cunha e Silva - Coordenador / Raphael de Vicq Ferreira da Costa - Integrante / Vinicius Cesar Moterani - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2025 - Atual

  Aletheia: Técnicas de Inteligência Artificial, Linguística Computacional e Ciências Sociais para Gestão de Infodemias, Descrição: Este projeto integra Inteligência Artificial, linguística e sociologia para compreender e combater a desinformação. Na área de IA, desenvolveremos métodos para identificar mensagens potencialmente desinformativas, diferenciar textos gerados por IA, modelar a propagação dessas mensagens e analisar mudanças temporais em sua dinâmica de criação e consumo. Na pesquisa linguística, investigaremos estruturas sintáticas, marcadores epistêmicos e elementos retóricos ligados à desinformação, além de mensurar indicadores de linguagem pseudo-científica. Já na abordagem sociológica, realizaremos uma pesquisa etnográfica em grupos de Telegram antivacinas, analisando interações e fatores que favorecem a aceitação e disseminação de desinformação. O projeto visa oferecer soluções tecnológicas e insights para políticas públicas mais eficazes.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Leopoldo André Dutra Lusquino Filho - Integrante / Rafael Padilha - Integrante / Fernanda Andalo - Integrante / Gabriel Bertocco - Integrante / Raphael Prates - Integrante / Ana Carolina Monari - Integrante / Fabio Carrella - Integrante / João Phillipe Cardenuto - Integrante / Anderson de Rezende Rocha - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2024 - Atual

  Análise da correlação espacial por deep learning de taxas de morbimortalidade com indicadores associados às mudanças climáticas e socioeconômicas (Processo CNPq: 444734/2023-6), Descrição: As alterações antrópicas do ambiente em conjunto com eventos climatológicos extremos impõem desafios cada vez mais impreteríveis aos órgãos públicos responsáveis pela organização e elaboração de planos e políticas públicas para a saúde coletiva, principalmente aqueles que consideram condições ambientais, socioeconômicas e demográficas. Portanto, considerando a complexidade de avaliações desses diferentes fatores, esse projeto objetiva analisar as relações espaciais dos mesmos com a morbimortalidade, por doenças específicas associadas às mudanças climáticas, a fim de compreender as correlações e padrões espaciais nos municípios brasileiros. Para isso, municípios que apresentam autocorrelação espacial positiva serão identificados por meio do índice de Moran. Modelos matemáticos preditivos, obtidos por deep learning, serão desenvolvidos para, em conjunto com Cadeias de Markov, propor cenários futuros de ocorrência dos casos de morbimortalidade pesquisados. Serão utilizados dados disponibilizados gratuitamente para uma análise histórica de 1999 a 2023. Entre os resultados, espera-se obter: (1) banco de dados referentes aos dados de morbimortalidade por grupo de doença e, também, por demais classificações (sexo, cor/raça, escolaridade, faixa etária), concentração de gases de efeitos estufa (GEE) e condições socioeconômicas (PIB per capita municipal e índice de urbanização); (2) mapas temáticos que identifiquem as autocorrelações espaciais dos municípios; (3) modelos de correlação obtidos por deep learning; e (4) projeção futura das morbimortalidades pesquisadas. O uso de deep learning para identificar correlações significativas e para gerar modelos matemáticos que possam estimar a incidência de morbimortalidade, permitirá a simulação de cenários futuros críticos para a saúde da população, subsidiando o desenvolvimento de políticas públicas em diferentes escalas, reduzindo disparidades na provisão de serviços de saúde do ponto de vista social e geográfico. Chamada CNPQ/DECIT/SECTICS/MS N18/2023 - Ciência de dados: mudanças climáticas e impactos para a saúde.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (2) . , Integrantes: Leandro Santiago de Araujo - Integrante / Roberto Wagner Lourenço - Integrante / Diego Javier Perez Ortega - Integrante / Isaías Mutombo Mafavisse - Integrante / Liliane Moreira Nery - Integrante / LUIS ARMANDO DE ORO ARENAS - Integrante / ARTHUR PEREIRA DOS SANTOS - Integrante / Claudio Miceli de Farias - Integrante / Eduardo Bata - Integrante / Leopoldo André Dutra Lusquino Filho - Integrante / Rafael Mello Galliez - Integrante / Darllan Collins da Cunha e Silva - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2022 - Atual

  Univesal CNPQ Otimização de Custos Computacionais de Aplicações de Alto Desempenho de Bioinformática em Nuvens de Computadores, Descrição: Inicio em 24 de marco de 2022, fim em 31 de marco de 2025 - Faixa B - Grupos consolidados Aplicações de importância estratégica nacional, como empregadas na indústria de Petróleo e Gás, meteorologia e áreas de biodiversidade e saúde, dependem de Computação de Alto Desempenho (High Performance Computing - HPC) para fornecer resultados precisos rapidamente. Muitos problemas atuais dependem cada vez mais da manipulação de volumes de dados sem precedentes, o que torna a solução em tempo hábil cada vez mais desafiador e caro. Bem estabelecida na área de serviços distribuídos, oferecendo conjuntos pré-configurados de instâncias virtualizadas que podem ser facilmente provisionadas e dimensionadas dinamicamente sob demanda, a computação em nuvem se transforma continuamente, sendo uma alternativa mais barata do que centros de computadores convencionais. Ao compartilhar recursos, as nuvens oferecem aos usuários diversas vantagens em relação a uma infraestrutura dedicada, em particular, uma redução significativa de custos, acesso a hardware de última geração e nenhuma preocupação com manutenção. No entanto, apesar das vantagens, uma série de desafios ainda precisam ser enfrentados, incluindo: escolha e adaptação .de conjuntos apropriados de instâncias para maximizar desempenho; como tornar a execução da aplicação impermeável à interferência devido ao compartilhamento de recursos na nuvem. Este projeto visa aprimorar o gerenciamento de execução de aplicações HPC na nuvem. Usando aplicações de bioinformática como estudo de caso, o projeto foca em aspectos que impactam no desempenho e custo financeiro sem violar acordos de nível de serviço, incluindo: a adoção da elasticidade vertical de recursos para o uso eficiente e escalável de cada instância virtual(máquinas virtuais ou containers); o escalonamento dinâmico de tarefas da aplicação nas instâncias virtuais, e; robustez por meio de mecanismos de tolerância a falhas para lidar com falhas ou revogações de recursos de nuvem.A computação em nuvem mais eficiente beneficia provedores, usuários, sociedade e meio ambiente.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (5) . , Integrantes: Leandro Santiago de Araujo - Integrante / Alexandre da Costa Sena - Integrante / Eugene Francis Vinod Rebello - Integrante / Edson Borin - Integrante / Lúcia M. A. Drummond - Coordenador / Maria Cristina Silva Boeres - Integrante / Alba Cristina M. A. de Melo - Integrante.

• 2020 - 2023

  Uma proposta para interoperabilidade de dados na nuvem, Descrição: Para solução e gerenciamento de problemas de uma cidade, é bastante relevante e comum a adoção da estratégia de dividir o problema em subproblemas menores e desenvolver sistemas para cada um dos subproblemas. Na verdade, essa é uma prática implementada em diversos setores, até que os dirigentes, governantes e líderes possam entender o problema macro de forma organizada. No entanto, com o próprio desenvolvimento tecnológico e as demandas da própria cidade, os sistemas que regem as suas soluções tendem a requerer maior interação para melhorar o gerenciamento como um todo - é a necessidade de implantar a interoperabilidade em um cenário comunitário ou público. Para atingir tal interação, os sistemas devem ser comunicar de uma forma mais transparente possível entre si.Na indústria moderna, é comum existir colaborações dentro das organizações e entre parceiros de negócios que requer um ambiente integrado com ferramentas de suporte para as interações colaborativas. Convencionalmente, o ambiente heterogêneo existente no sistema colaborativo se torna mais desafiador à medida que mais padrões, formatos, interfaces e protocolos estão envolvidos. Quando vários serviços precisam trabalhar entre si, é necessário garantir que eles possam operar em conjunto entre si em vários níveis no ambiente. A troca de dados é um aspecto central e problemático da colaboração no processo de projeto, em que muitos baseiam principalmente na troca de "documentos". Para alguns, interoperabilidade pode significar a possibilidade de mover sistemas de um ambiente para outro, significando também alavancar a portabilidade. Outro significado é a possibilidade de sistemas que executam em ambientes diferentes possam interagir, compartilhar informações. No entanto isso requer um conjunto comum de interfaces. Neste horizonte, as nuvens computacionais, através de virtualização, oferecem um ambiente de alto teor computacional a custos baixos, provendo serviços que podem auxiliar na iteração de sistemas. Interoperabilidade em computação em nuvem se refere à capacidade de mover um sistema de uma plataforma para outra na nuvem, integrando componentes que requerem cooperação para alcançar o resultado desejado. Atualmente, cada provedor de nuvem incorpora um conjunto independente de convenções, formatos de dados e interfaces de programação de aplicações (API) que auxiliam na implementação de interoperabilidade entre esses componentes. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Leandro Santiago de Araujo - Coordenador / Eugene Francis Vinod Rebello - Integrante / Maria Cristina Silva Boeres - Integrante / Bruno Lopes - Integrante / Geiza Maria Hamazaki da Silva - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante.

• 2018 - 2021

  Exploring In-Situ Computing of Al and/or Dataflow Engines, Descrição: The main goal of this research project is to explore novel ways of in situ processing based on Catalina 2, NGD?s pioneering smart storage platform. Two main threads of work explored: (i) explore Sucuri, a Python dataflow-based library as an in-situ parallel programming platform, and; (ii) develop in- situ artificial intelligence applications based on weightless neural networks. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Felipe Maia Galvão França - Coordenador.

• 2017 - Atual

  Escalonamento em Sistemas Heterogêneos com Execução Guiada por Fluxo de Dados, Descrição: O modelo de computação Dataflow, onde a execução das tarefas é disparada de acordo com as dependências de dados, tem ganhado tração no meio acadêmico como uma solução para explorar paralelismo. O proponente deste projeto participa de um grupo de pesquisa que desenvolveu bibliotecas, compiladores, linguagens e ambientes de execução dataflow e tem focado seus esforços em incluir suporte para diferentes dispositivos, como processadores multicore, GPUs, Xeon Phis e FPGAs, nesse ferramental. Este projeto pretende ampliar um destes ambientes de execução dataflow, a biblioteca Sucuri, para suportar diferentes aceleradores. Além disso, o projeto tem o objetivo de desenvolver mecanismos de escalonamento de tarefas que considerem a disponibilidade, desempenho e consumo de energia, dos diferentes dispositivos do sistema computacional para selecionar o mais adequado para cada tarefa em tempo de execução. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Leandro Augusto Justen Marzulo - Coordenador.

• 2015 - 2019

  PVE-Segurança, Detecção e Recuperação de Erros em Computação Dataflow e Sistemas Críticos, Descrição: Sandip Kundu é Professor Titular da University of Massachusetts - Amherst (UMASS) desde 2005 e em 2012 ganhou o Prêmio de Senior Faulty da UMASS. Antes de entrar para a vida acadêmica, passou muitos anos na indústria, inicialmente, como Research Staff Member na Divisão de Pesquisa da IBM, onde ganhou os prêmios IBM Research Division Award for contribution to Logic Synthesis system (1993), IBM Outstanding Technical Achievement Award (1994), e o IBM Invention Achievement Plateau (1996). Posteriormente, como Principal Engineer na Intel, também foi premiado com Intel Development Leadership Pioneer Award (2000), o maior prêmio concedido na área de projeto de microprocessadores da empresa. O prêmio foi para um sistema de simulação de lógica e de falhas que substituiu um sistema de simulação de hardware acelerado com solução de software puro. A solução permitiu o projeto de um chip do processador Pentium IV (~ 42M transistores) completo, contra modelos de falha de defeitos, simulado em uma única máquina com CPU IA-32. Em termos de desempenho e capacidade foi considerado uma solução inovadora e foi demonstrado como vitrine de tecnologia por Paul Otellini, diretor de operações da Intel na Design Automation Conference'1999, bem como por Bill Gates, presidente da Microsoft Corporation no fórum Intel Microsoft Workstation Leadership em Burlingame, California, em 1999. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Leandro Augusto Justen Marzulo - Integrante / Felipe Maia Galvão França - Coordenador.

• 2015 - Atual

  Dataflow para computação de Alto Desempenho em Ambientes Heterogêneos, Descrição: Execução dataflow, onde instruções podem começar a executar assim que seus operandos de entrada estiverem prontos, é uma maneira natural para se obter paralelismo. Recentemente, o dataflow tornou a receber atenção como uma ferramenta para programação paralela na era dos multicores e manycores. Entretanto, a adoção de sistemas heterogêneos, que empregam dispositivos aceleradores como GPGPUs, Xeon Phis e, mais recentemente, FPGAs, exigem uma adapatação de ambientes de execução dataflow, incluindo mecanismos de escalonamento de tarefas. Este projeto tem o objetivo de criar e avaliar mecanismos que permitam a execução guiada por fluxo de dados em ambientes de computação heterogêneos. A experiência do grupo proponente em computação dataflow, computação de alto desempenho, programação em aceleradores (GPGPU, Xeon Phi) e desenvolvimento de aplicações em FPGAs justifica a formalização deste grupo temático e trás a uma oportunidade de ampliar a colaboração entre os pesquisadores e instituições envolvidas. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Leandro Santiago de Araujo - Integrante / Felipe Maia Galvão França - Coordenador.

Prêmios