Modelação Computacional de Sistemas Mais Informação
+351 210 464 023

Apresentação
Manuel Ferreira
Subcoordenador

A Modelação Computacional de Sistemas (MCS) é um campo vasto que engloba uma variedade de tópicos e abordagens, dependendo da natureza do sistema a ser modelado e do objetivo do trabalho de investigação.

Modelação Computacional de Sistemas Económicos e Sociais: A modelação computacional de sistemas sociais é uma abordagem interdisciplinar que utiliza técnicas computacionais para simular e analisar comportamentos, interações, e fenômenos dentro de sociedades e grupos humanos. Essa abordagem permite aos pesquisadores entender melhor como os padrões sociais emergem de interações individuais, prever o impacto de políticas, e explorar cenários futuros. Permite entender a Complexidade Social através da simulação a dinâmica de interações sociais para entender como comportamentos complexos emergem de regras simples. Permite avaliar o impacto potencial de políticas públicas em diversos aspetos da sociedade, incluindo economia, saúde, educação, e meio ambiente. Possibilita a projeção de cenários futuros com base em tendências atuais, ajudando na tomada de decisões estratégicas e no planeamento de longo prazo e possibilita a investigação da propagação de informações, opiniões, e comportamentos dentro de redes sociais, incluindo a formação de consensos e a disseminação de inovações.

Inteligência Artificial e Machine Learning para Modelação de Sistemas: A aplicação de Inteligência Artificial (IA) e Aprendizagem Automática (Machine Learning) na modelação de sistemas representa um avanço significativo na forma como compreendemos e simulamos a complexidade em diversos domínios, desde sistemas naturais até sistemas criados pelo homem. Estas tecnologias oferecem métodos poderosos para analisar grandes volumes de dados, identificar padrões, fazer previsões e otimizar processos. Aplicação de técnicas de IA para melhorar a modelação de sistemas complexos, incluindo aprendizagem profunda para previsão e análise de dados de simulação é hoje em dia uma das mais avançadas propostas de investigação. A utilização de Machine Learning para prever futuras ocorrências com base em dados históricos, essencial em economia, meteorologia, e planeamento de recursos; o uso de algoritmos de IA para encontrar soluções ótimas ou quase ótimas para problemas complexos, como na logística, design de redes, e gestão de energia; a modelação de sistemas ecológicos, redes de tráfego, ou sistemas sociais, onde IA e Machine learning podem ajudar a entender comportamentos emergentes e dinâmicas de sistemas; a identificação de padrões não usuais em dados, que pode indicar fraudes, falhas em sistemas, ou eventos raros em monitoramento ambiental, são tudo técnicas onde a IA e a Aprendizagem Automática (Machine Learning) podem contribuir.

Modelação Baseada em Agentes: A modelação baseada em agentes (Agent-Based Modeling - ABM) é uma classe de simulações computacionais que imita o comportamento de sistemas complexos a partir das interações de agentes autónomos dentro de um ambiente definido. Esta abordagem oferece uma poderosa ferramenta para entender a dinâmica emergente de sistemas em várias áreas, como economia, ecologia, sociologia, ciência política, engenharia e saúde pública. Um dos conceitos-chave da modelação baseada em agentes é a emergência, onde padrões complexos e fenómenos sistémicos surgem das interações locais entre agentes e entre agentes e o ambiente. Desta forma permite a análise de como comportamentos simples ao nível individual podem levar a resultados complexos e muitas vezes inesperados em nível do sistema.

Modelação de Redes Complexas: A modelação de redes complexas é um campo de estudo interdisciplinar que se dedica a entender, descrever e prever o comportamento e as características de redes que apresentam estruturas e padrões complexos. Estas redes podem ser encontradas em uma vasta gama de sistemas, incluindo redes sociais, redes biológicas (como as redes neurais e as redes de interações entre proteínas), redes tecnológicas (como a internet e redes de distribuição de energia), e muito mais.

Equipa de Investigação

Investigadores Integrados

António Fonseca
Investigador Integrado
Joaquim Reis
Investigador Integrado
Jorge Louçã
Investigador Integrado
José Filipe
Investigador Integrado
Luís Nunes
Investigador Integrado
Manuel Ferreira
Investigador Integrado
Maria Laureano
Investigadora Integrada
Andrade, M. A. P.
Investigadora Integrada
Patricia Costa
Investigadora Integrada

Investigadores Associados

Sofia Rézio
Investigadora Associada
Luis Ramada Pereira
Investigador Associado
José Barros
Investigador Associado
Manuel Pita
Investigador Associado
Patrícia Engrácia
Investigadora Associada
Pedro Lind
Investigador Associado

Assistentes de Investigação

Harvey Sánchez-Restrepo
Assistente de Investigação
Tiago Santos
Assistente de Investigação