EVENTO
Redes Neurais Quânticas na Classificação de Imagens de Artefatos Arqueológicos
Tipo de evento: Defesa de Tese de Doutorado
Esta pesquisa investiga o uso de Redes Neurais Convolucionais (CNNs) e Redes Neurais Quânticas (QNNs) na classificação de 1.918 imagens de artefatos arqueológicos da coleção FUMDHAM, provenientes da Serra da Capivara, distribuídas em quatro classes: vidro, cerâmica, louça e lítico. Duas novas arquiteturas de QNN são propostas, operando com um ou dois qubits, reduzindo parâmetros e operações computacionais para otimizar o tempo de processamento sem comprometer a precisão. A revisão de literatura abrange 27 artigos das áreas de arqueologia e computação (redes neurais e aprendizado de máquina), destacando contribuições, lacunas e limitações das pesquisas existentes. A fundamentação teórica apresenta conceitos essenciais sobre redes neurais clássicas, computação quântica e redes neurais quânticas. A metodologia detalha a coleta e preparação dos dados, as técnicas de pré-processamento de imagens e extração de características, além do desenvolvimento e avaliação dos modelos de CNNs e QNNs. Os resultados são organizados de forma segmentada e seguidos de uma análise comparativa que evidencia as vantagens e desafios de cada abordagem. As QNNs demonstram bom desempenho, comparável ao das CNNs, que apresentam ligeira vantagem em precisão. No entanto, as redes quânticas se destacam pelo menor tempo de treinamento e uso reduzido de parâmetros. Este estudo contribui para o avanço tecnológico na arqueologia, propondo novas ferramentas e metodologias que aprimoram a classificação e documentação de artefatos, além de reduzir custos de processos manuais. A aplicação de QNNs inaugura um campo promissor para futuras investigações na interseção entre computação quântica e aprendizado de máquina, ampliando horizontes para aplicações interdisciplinares.
Data Início: 06/06/2025 Hora: 09:30 Data Fim: 06/06/2025 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Virtual
Aluno: Bruno Clemente Guingo - - LNCC
Orientador: Renato Portugal - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Daniela Cisneiros - Universidade Federal de Pernambuco - UFPE Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC Leandro Carlos de Souza - Universidade Federal da Paraíba - UFPB Renato Portugal - Laboratório Nacional de Computação Científica - LNCC
Suplente Banca Examinadora: Carlile Campos Lavor - Universidade Estadual de Campinas - IMECC/UNICAMP José Karam Filho - Laboratório Nacional de Computação Científica - LNCC
