Laboratório de Computação Natural e Aprendizagem de Máquina

LCoN

Pesquisa

Nesta página, é possível obter informações sobre as principais linhas de pesquisa e projetos desenvolvidos pelos membros do Laboratório de Computação Natural.

Linhas de Pesquisa

  • Sistemas Inteligentes;
  • Computação Natural;
  • Computação Inspirada na Biologia;
  • Computação Evolutiva;
  • Autômatos Celulares;
  • Sistemas Imunológicos Artificiais;
  • Mineração de Dados;
  • Novos Paradigmas de Computação;
  • Vida Artificial;
  • Visão Computacional;
  • Processamento de Imagens Digitais;
  • Logística e Pesquisa Operacional;
  • Heurísticas em Pesquisa Operacional.

 

Atuação dentro do Processo Analítico
  • Captura de Dados: fontes públicas e privadas;
  • Governança de Dados: disponibilidade, usabilidade, consistência, integridade e segurança;
  • Análises Exploratórias: sumarização, visualização, análises descritivas;
  • Insights: o que se aprende (valor) a partir da análise dos dados;
  • Predição: guia a tomada de decisão.
Principais Áreas de Aplicação
  • Mineração de Dados/Texto/Web/Imagens;
  • Análise de dados multivariados;
  • Processamento de linguagem natural;
  • Reconhecimento de padrões;
  • Logística e pesquisa operacional;
  • Problemas inversos.
Projetos
Um Sistema de Recomendação Personalizada para e-Recruitment

Descrição: As plataformas de recrutamento on-line, denominado de e-recruitment ou e-recrutamento, se tornaram o principal canal de recrutamento para a maioria das empresas e a principal fonte de procura de colocação profissional para a maior parte dos candidatos. Por um lado, essas plataformas reduzem o tempo para preenchimento das vagas, mas por outro elas têm o desafio de fornecer mecanismos eficientes de seleção, incluindo sistemas de recomendação bilateral, ou seja, vagas a candidatos e candidatos a vagas. Os sistemas de recomendação foram desenvolvidos para ajudar usuários a encontrar itens que sejam de seu interesse em um ambiente virtual, por exemplo, produtos em uma loja de comércio eletrônico, viagens, serviços, dentre outros. Na última década, motivados também pela explosão na geração e armazenagem de dados, começaram a surgir estudos associados à necessidade latente de tornar as plataformas de e-recrutamento mais eficientes e assertivas. Nesse sentido os sistemas de recomendação têm sido a ferramenta mais investigada e empregada em todo o mundo, e a empresa está em busca deste diferencial competitivo no mercado nacional. O objetivo deste projeto de pesquisa é desenvolver um motor (sistema) de recomendação para a empresa que seja capaz de identificar os principais elementos e características das vagas e dos candidatos para que o melhor casamento (matching) possa ser feito entre eles.


MACKCLOUD: Centro Multidisciplinar de Computação em Nuvem da Universidade Presbiteriana Mackenzie

Descrição: Esse projeto propõe a criação do MACKCLOUD, um Centro Multidisciplinar de Computação em Nuvem, na Universidade Presbiteriana Mackenzie. O MACKCLOUD é uma infraestrutura de computação acessível via Internet para todos os pesquisadores da universidade, fornecendo recursos computacionais para a armazenagem e processamento de dados sob demanda. As características centrais do MACKCLOUD são: 1) Infraestrutura computacional (memória e processamento) sob demanda, ou seja, o próprio pesquisador pode alocar os recursos de acordo com as necessidades de sua pesquisa; 2) Amplo acesso via Internet, incluindo plataformas móveis; 3) Uso compartilhado de recursos, permitindo que múltiplos usuários se conectem e beneficiem dos recursos computacionais simultaneamente; 4) Elasticidade, ou seja, aumento e/ou redução de memória e/ou processamento conforme a capacidade da nuvem e demanda; 5) Possibilidade de mensurar e otimizar o uso dos recursos computacionais.


Centro de Excelência em Aprendizagem de Máquina

Descrição: A Intel trabalha em parceria com o Laboratório de Computação Natural e Aprendizagem de Máquina (LCoN) da Universidade Presbiteriana Mackenzie para desenvolver mais um Centro de Excelência (CoE) em Aprendizagem de Máquinas no Brasil. O projeto tem o objetivo de colaborar com a indústria e comunidade científica na solução de problemas complexos através do uso de Inteligência Artificial. A Intel oferece, por meio desta iniciativa, workshops, ministrados pela universidade, a toda comunidade científica e de desenvolvedores de software com a finalidade de ressaltar todo o potencial da inteligência artificial no aprendizado de máquinas. O centro também colabora com clientes da Intel na realização de Provas de Conceito (PoC), projetos piloto e soluções para diferentes verticais da indústria. A Intel fornece ferramentas completas para trazer performance às aplicações de Big Data, como Intel Python Distribution, Intel Math Kernel Library e Intel Data Analytics Acceleration Library, que são fundamentais para extrair todo paralelismo dos processadores Xeon e Xeon Phi. O Centro tem contato com engenheiros de software da Intel de diversos países e conta com suporte técnico personalizado. Os centros de excelência em machine learning fazem parte de uma iniciativa global da companhia, chamada Intel AI Academy, que visa prover capacitação em

Inteligência Artificial para estudantes de Cursos de Computação (Ciência, Engenharia e correlatos) e desenvolvimento de aplicações de inteligência artificial. As tecnologias de Big Data que fazem uso de algoritmos de Inteligência artificial geralmente demandam grande poder computacional e máquinas de alto desempenho. Os centros de excelência também contam com ferramentas como o Intel Deep Learning SDK, que facilita o processo de desenvolvimento de aplicações, aumentam a produtividade e aceleram o time-to-market em aplicações de redes neurais profundas (ou Deep Learning). Referência à arquitetura da Intel em Inteligência Artificial. software.intel.com/pt-br/ai.


An Investigation into Self-Organization in a Swarm of UAVs

Descrição: Os veículos aéreos não tripulados (UAV– do inglês, Unmanned Aerial Vehicles) possibilitam uma série de aplicações, o que representa uma grande motivação para a realização de pesquisas que buscam a navegação autônoma em diferentes cenários. As aplicações de UAVs autônomos são as mais diversas e incluem a detecção de alvos, escolta de objetos e alvos, vigilância, coleta de dados, planejamento de rotas, monitoramento de ambientes, redes dinâmicas de telecomunicações e o auxílio ao resgate de pessoas em desastres. Seja qual for a aplicação, um dos principais desafios impostos é a definição de métodos e algoritmos que buscam a navegação autônoma imposta pelos mais diversos ambientes e objetivos. Na literatura é possível encontrar diversas propostas que buscam transpor esse desafio, em especial aqueles relacionados a múltiplos UAVs operando em conjunto.  Neste projeto, tarefas de navegação fundamentais como pouso, decolagem e impedimento de colisão foram a base para aplicação de métodos mais sofisticados que buscam a interação entre múltiplos UAVs na realização de determinados objetivos. O enfoque residiu na construção de algoritmos e métodos baseados no comportamento coletivo e social de revoadas de pássaros, onde cada UAV correspondeu a um pássaro específico membro da revoada.  


Projeto Big Data - Vagas Críticas

Descrição: O objeto deste Projeto de Pesquisa e Desenvolvimento é realizar a pesquisa científica de base para desenvolver 3 (três) soluções computacionais: Normalização de nomes de universidades; Normalização dos nomes de empresas; e Predição de vagas críticas.


Recomendação de Cargas a Caminhoneiros e Gestão Analítica de Dados

Descrição: O objetivo do projeto é desenvolver uma solução de recomendação de cargas para caminhoneiros com base nas principais regras de negócio, como tempo de vida da carga, localização da carga e do caminhoneiro, histórico de navegação do caminhoneiro, preferência de região do caminhoneiro, tipo de caminhão e carroceria, forma de pagamento, dentre outras.


Desenvolvimento de Recomendação Inteligente para a Enjoei.com.br

Descrição: O objetivo do projeto é o desenvolvimento de algoritmos de recomendação inteligente para a loja virtual da Enjoei.com.br. O entregável final do projeto é um protótipo funcional desenvolvido em uma linguagem de prototipação adequada a um desenvolvimento ágil pela empresa. Esse protótipo será testado, validado e recodificado pela empresa, devendo apresentar nível de performance quando do teste em uma base de dados com volume real.


Computação Natural Aplicada à Análise de Dados de Mídias Sociais

Descrição: Com a redução dos custos dos dispositivos digitais e a comunicação móvel, há uma superabundância de dados em diferentes formatos, desde bases numéricas estruturadas até textos extraídos de redes sociais. Assim, o desenvolvimento de ferramentas para a busca e gestão destes dados vem se tornando central em muitos processos de tomada de decisão. A área de análise de dados, ou mais amplamente descoberta de conhecimento em bases de dados, está entre as que mais crescem e demandam profissionais qualificados atualmente. Ao mesmo tempo, a computação natural é uma das subáreas da Ciência e Engenharia da Computação que vem ganhando espaço e credibilidade devido ao desenvolvimento de novos algoritmos capazes de resolver problemas complexos em diferentes áreas do conhecimento. O presente projeto de pesquisa e plano de trabalho une essas duas áreas (análise de dados e computação natural) com o objetivo de investigar e desenvolver novos algoritmos inspirados na biologia para a solução de problemas complexos de análise de dados. Mais especificamente, serão investigados e propostos algoritmos de computação natural para a análise de dados extraídos do Twitter. Com esse escopo, o projeto contribuirá para o desenvolvimento científico da computação, para o desenvolvimento tecnológico por meio da proposição de algoritmos com aplicações práticas diretas e para a formação do pesquisador proponente, em nível de pós-doutorado, nas áreas de análise de dados e computação natural.


Meta-Aprendizagem, Agrupamento Nebuloso e Jogos Educativos: Abordagens baseadas em Computação Natural

Descrição: Este projeto faz uso da computação natural no contexto de meta-aprendizagem, agrupamento nebuloso de dados e jogos educativos. Como propostas de projetos específicos são apresentados três grandes temas com foco em análise de dados e jogos.


Computação Natural: Modelagem Computacional de Sistemas Complexos Adaptativos e Aplicações

Descrição: Subprojeto associado ao projeto do Núcleo de Estudos Interdisciplinares, obtido por um grupo de programas de pós-graduação da Universidade Presbiteriana Mackenzie, através do Edital 51/2012 da CAPES. O Núcleo é constituído pelo Laboratório de Interações Sociais e Humanas, e pelo Laboratório de Sistemas de Informação e Processamento de Dados e Imagens, este último mais especificamente relacionado ao subprojeto em questão. Trata-se de um laboratório com finalidade de abrigar estudos interdisciplinares voltados à compreensão e tratamento de dados e de imagens associados a fenômenos complexos subjacentes à interação informacional.


Computing with Cellular Automata and their Temporal or Spatial Compositions

Descrição: Iniciado com financiamentos através de Projeto Regular FAPESP Proc. 2005/04696-3 (concluído em 04-2009) e Projeto MackPesquisa Edital 2007 (concluído em 01-2009), o projeto prossegue, na mesmo escopo original: "...The pathway to be followed combines evolutionary computation techniques, with enumerative searches in small regions of the search space, both processes guided by static information drawn from the state transition table of the cellular automata involved. In tune of the latter, three related issues will also be investigated, related to the so-called elementary cellular automata - i.e., one-dimensional, with two states per cell, and such that the transition rule depends only upon the two next-nearest neighbours - namely, the limit behaviour of elementary rules, the outcome of combining their temporal evolutions, and the spatial combination of different rules in the same lattice. All in all, the combined objective of this project is to make advances on the understanding and exploration of the computational ability of cellular automata (either through individual rules, or by their temporal or spatial combinations), as well as the development of effective ways to their design by means of enumerative and evolutionary computation techniques. The project will revolve primarily around a selection of three problems, the density classification task, the recognition of hand-written decimal digits, and the parity problem, although others may also be considered, as the investigations progress and the research group associated with it develops".


Classificação de Imagens Combinando Características Visuais e Dados Textuais: Abordagem Neural e baseada em Enxames

Descrição: O principal aspecto a ser investigado neste projeto de pesquisa é a combinação de dados textuais com as características visuais de uma imagem para representar dados multimídia com vistas à extração de conhecimentos a partir de imagens. Nesse contexto, é necessária a aplicação de técnicas e ferramentas que transformem, de maneira inteligente e automática, os dados multimídia disponíveis em informações úteis, que representem conhecimento para uma tomada de decisão estratégica, o que pode ser conseguido com algoritmos de classificação baseados em aprendizado de máquina ou computação natural. Motivados pelo cenário atual de superabundância de dados multimídia, principalmente usando dados médicos, de redes sociais e de documentos digitalizados, enfatizando dados textuais e imagens digitais, esta proposta tem os seguintes objetivos: investigar técnicas tradicionais de processamento de imagens como, tendo em vista a formação de um único descritor de características; verificar a eficiência de representatividade por meio da combinação desse conjunto de características visuais às representações de dados textuais associados à imagem; investigar técnicas de seleção de características para encontrar conjuntos adequados às análises a serem feitas; e propor metodologias para combinar, de forma eficiente, as características das imagens com dados textuais.


Núcleo de Estudos Interdisciplinares

Descrição: O Núcleo de Estudos Interdisciplinares tem como propósito a produção de conhecimentos interdisciplinares e o desenvolvimento de estratégias de disseminação dos conhecimentos adquiridos para e sobre a sociedade contemporânea. A partir do compartilhamento de laboratórios e salas interativas que agregam equipamentos tecnológicos, sistemas de informação e de imagens busca-se promover a colaboração e a sinergia entre os seguintes Programas de Pós-Graduação Strico Sensu da UPM: Administração de Empresas (PPGA); Arquitetura e Urbanismo (PPGAU); Ciências e Aplicações Geoespaciais (PPGCAGE); Ciências da Religião (PPGCR); Direito Político e Econômico (PPGDPR); Distúrbios do Desenvolvimento (PPGDD); Educação Arte e História da Cultura (PPGEAHC); Engenharia Elétrica (PPGEE); Letras (PPGL). No âmbito deste projeto, o Núcleo de Estudos Interdisciplinares é constituído por dois laboratórios: 1) Laboratório de Interações Sociais e Humanas; 2) Laboratório de Sistemas de Informação e Processamento de Dados e Imagens. Cada laboratório abriga os subprojetos propostos pelos Programas de Pós-Graduação da UPM que, apesar dos seus objetivos distintos, compartilham equipamentos entre si e entre os demais subprojetos do outro laboratório, buscando assim estimular ações interdisciplinares entre suas equipes e disseminar o conhecimento à sociedade de forma ampla e inovadora. 


Uma Abordagem baseada em Meta-Aprendizado Aplicada à Tarefa de Agrupamento de Dados

Descrição: Todos os dias pessoas encontram uma grande quantidade de informação que é representada e armazenada como dados para posterior análise. Pesquisadores passaram a se dedicar ao desenvolvimento de métodos para a extração de conhecimento a partir dos dados; estes métodos compõem hoje a chamada mineração de dados. As duas principais tarefas na mineração de dados são classificação e agrupamento; tendo como principais objetivos a previsão de classes e a segmentação das bases de dados em grupos, respectivamente.Atualmente, ferramentas de mineração de dados são caracterizadas por uma infinidade de algoritmos capazes de resolver cada uma das possíveis tarefas, porém sofre com a falta de diretrizes gerais para selecionar o algoritmo mais adequado para resolver cada problema em questão. A área de meta-aprendizagem tem como objetivo descobrir quais características de um problema contribuem para um melhor desempenho de um algoritmo sobre outro e, a partir dessa descoberta, recomendar o algoritmo mais adequado para solucionar um dado problema.Embora haja muita literatura discursando sobre meta-aprendizagem em problemas de classificação, a pesquisa envolvendo meta-aprendizagem em tarefas de agrupamento de dados ainda é insipiente. Somado ao fato da importância da tarefa de agrupamento no contexto da mineração de dados e aplicações práticas, o presente projeto visa aprofundar esse estudo de forma a promover um melhor entendimento de quais técnicas de agrupamento devem ser usadas, quando e como para cada classe de problemas a serem tratados.Desta forma, o presente projeto visa contribuir substancialmente para a pesquisa científica nas áreas de agrupamento e mineração de dados, além de ser relevante para a formação de um pesquisador em Meta-Aprendizagem e Mineração de Dados, com especialidade na tarefa de Agrupamento de Dados. Cabe ressaltar que este projeto possui grande relevância teórica e prática, uma vez que aborda temas bastante atuais dentro da mineração de dados e prevê aplicações em bases numéricas complexas. Problemas desta natureza incluem aplicações na área financeira, detecção de anomalias, processamento de imagens, visualização de dados, bioinformática, dados da web, análise de séries temporais e muitas outras.


CALANGOS: Um Jogo Computacional para Ensino e Aprendizagem em Evolução e Ecologia

Descrição: O objetivo do projeto Calangos é modelar e simular computacionalmente processos biológicos para serem aplicados em um jogo eletrônico com finalidade de ensino e aprendizagem de conceitos rela-cionados. Para isto, nos basearemos na Teoria da Aprendizagem Significativa e enfocaremos em conceitos centrais da Biologia, os conceitos de Ecologia e Evolução, no nível médio de escolaridade. No presente projeto, além de darmos continuidade à implementação de Calangos, também testa-remos a eficácia do jogo em três contextos educacionais distintos, com três abordagens diferentes, o que permitirá uma triangulação das análises acerca da eficácia do jogo, tornando os resultados mais confiáveis e consistentes.


Computação Inspirada na Natureza: Aplicações em Análise de Dados e Otimização

Descrição: Este projeto de pesquisa propõe a análise e síntese dos seguintes algoritmos: 1) Um algoritmo de inteligência de enxame baseado no PSO com aplicações em agrupamento e classificação de dados; 2) Uma rede neuro-imune para otimização combinatória; 3) Um algoritmo imuno-evolutivo para otimização combinatória multimodal.


Algoritmos Bioinspirados para Agrupamento Nebuloso de Dados

Descrição: Este projeto de doutorado visa analisar soluções computacionais bioinspiradas para agrupamento de dados e propor extensões de algumas destas ferramentas com o objetivo de resolver a tarefa específica de agrupamento com partições nebulosas (fuzzy). Para efeitos de validação das ferra-mentas analisadas e propostas serão consideradas tanto bases de dados numéricos, quanto textu-ais. Desta forma, o presente projeto visa contribuir com a formação de um Doutor em Mineração de Dados e Engenharia de Algoritmos Bioinspirados, com especialidade na tarefa de Agrupamen-to. Cabe ressaltar que este projeto possui grande relevância teórica e prática, uma vez que aborda temas bastante atuais dentro da mineração de dados e prevê aplicações em bases numéricas e de textos. Problemas desta natureza incluem aplicações na área financeira, recuperação de informa-ção, filtragem colaborativa, análise de dados da web, detecção de anomalias, processamento de imagens, visualização de dados, bioinformática, análise de séries temporais e muitas outras.


Um Algoritmo de Vida Artificial para Agrupamento de Dados em Ambientes Dinâmicos

Descrição: Este projeto de pesquisa visa o estudo e implementação computacional de um algoritmo baseado em vida artificial para resolver problemas de agrupamento de dados, com particular ênfase a dados variantes no tempo. Problemas desta natureza incluem aplicações na área financeira, recuperação de informação, detecção de anomalias, recuperação de imagens, visualização de dados, bioinformática, análise de séries temporais e muitas outras. Apesar desta grande relevância prática, agrupamento de dados em ambientes dinâmicos ainda não é uma tarefa amplamente estudada na literatura. Dessa forma, este projeto visa abordar duas linhas fundamentais da computação bioinspirada:

          a) Teoria e Formalização: análise, síntese e aprimoramento de um algoritmo de vida artificial para aplicação em mineração de dados;

          b) Aplicações: aplicar este algoritmo em problemas de agrupamento de dados, com particular ênfase a problemas de agrupamento em ambientes dinâmicos.

 


Inteligência de Enxame Aplicada à Mineração de Textos da Web

Descrição: Este projeto de pesquisa tem o objetivo de contribuir para a pesquisa científica e formação de recursos humanos através da investigação do uso e desenvolvimento de algoritmos computacionais inspirados na natureza com vistas à aplicação em tarefas de mineração de textos da web. Mais especificamente, este projeto propõe o estudo e desenvolvimento de um algoritmo baseado em enxame de partículas, conhecido como Particle Swarm, a ser aplicado em tarefas de bi-clustering de dados disponíveis na web. Com este enfoque, o presente projeto de pesquisa fica alinhado com os Desafios 1 e 2 (gestão da informação em grandes bases de dados distribuídos e modelagem computacional de sistemas complexos) propostos pela Sociedade Brasileira de Computação.


Algoritmos Bio-Inspirados Aplicados a Problemas de Mundo Real: Análise de Dados, Otimização e Jogos Educativos

Descrição: Neste projeto serão investigados e estendidos um algoritmo de otimização por enxame de partículas para agrupamento e classificação de dados, uma rede neuro-imune e algoritmos imuno-evolutivos para otimização combinatória e algoritmos imunológicos e evolutivos para evolução comportamental de agentes inteligentes em ambientes virtuais. As aplicações específicas serão para seleção de atributos, classificação e agrupamento de imagens de grãos e documentos textuais; otimização combinatória, envolvendo problemas clássicos e um problema de planejamento de pátio de contêineres; e o desenvolvimento de uma criatura artificial adaptativa a ser usada em um jogo educativo para o ensino de evolução e ecologia.


Agrupamento e Classificação de Dados Usando Enxame de Partículas

Descrição: Este projeto de pesquisa tem o objetivo de contribuir para a pesquisa científica e formação de re-cursos humanos através da investigação do uso e desenvolvimento de algoritmos computacionais inspirados na natureza com vistas à aplicação em tarefas de mineração de dados. Mais especifi-camente, este projeto propõe o estudo e desenvolvimento de um algoritmo baseado em enxame de partículas, conhecido como Particle Swarm, a ser aplicado em agrupamento e classificação de dados numéricos e textuais, incluindo dados disponíveis na web. 


Algoritmos Bio-Inspirados Híbridos

Descrição: Os principais objetivos deste projeto de pesquisa são: 1) dar continuidade aos processos de análise, síntese, formalização e aplicação de algoritmos bio-inspirados nos contextos de computação e engenharia, levando sempre em consideração as necessidades regionais e institucionais; e 2) a formação de recursos humanos através da orientação de alunos e oferecimento e participação em disciplinas eletivas, tanto em nível de graduação quanto de pós-graduação. Os temas específicos deste projeto são: 1) Redes híbridas aplicadas à otimização combinatória; 2) Classificadores neuro-imunes; e 3) Agrupamento e classificação usando inteligência de enxame.


CIAC: Classificador Inteligente de Amostras de Café

Descrição: Este Projeto de Pesquisa propõe o desenvolvimento de um classificador inteligente para amostras de café (CIAC) cujo objetivo principal é viabilizar equipamento para automatização da inspeção de grãos de café, padronizando-se a qualidade do café brasileiro a ser consumido, importado e exportado no mundo todo. Basicamente, a classificação física do café consiste em extrair uma amostra, normalmente de 300g, de um lote de café e fazer uma inspeção visual em busca de defeitos na amostra como, por exemplo, grãos pretos, grãos brocados, presença de paus, pedras e outras impurezas. Além disso, outra informação importante no processo de classificação é identificar o tamanho dos grãos, quanto maiores, melhor a qualidade do café. A classificação dos grãos por tamanho é feita utilizando-se peneiras, cujo papel é permitir a passagem daqueles grãos com tamanhos inferiores aos dos orifícios da peneira. Feita a classificação por tamanho, o peso dos grãos pertencentes a cada peneira é calculado. Em resumo, a classificação física do café envolve estimar o peso de cada peneira e também a quantidade de defeitos na amostra. Amostras com poucos defeitos e grãos grandes são as de melhor qualidade física.


Computação com autômatos celulares e suas composições temporais ou espaciais

Descrição: Autômatos celulares são sistemas complexos totalmente discretos que, por possuírem uma natureza dual, apresentam-se tanto como um sistema dinâmico quanto um modelo computacional. Uma forte motivação para estudá-los é sua habilidade de realizar computações. Compreender como os autômatos celulares computam e como eles devem ser projetados de forma a realizar uma dada tarefa computacional poderia ter profundo impacto em tecnologia da informação e na teoria da computação, uma vez que esse conhecimento proveria um modelo de computação completamente novo, totalmente paralelo, descentralizado, discreto e local. No entanto, o entendimento de como estas computações são realizadas ainda é extremamente vago. E a principal razão para esta deficiência é a falta de um método robusto para projetar autômatos celulares que tenham comportamento pré-definido. Suprir essa lacuna tem sido um objetivo central da pesquisa, através da combinação de técnicas de computação evolutiva com buscas enumerativas em pequenas regiões do espaço de busca, ambos os processos guiados por informação estática derivada da tabela de transição de estados dos autômatos celulares envolvidos. Em sintonia com o tema geral, também temos investigado o comportamento limite de regras elementares, o resultado da combinação de suas evoluçõe temporais, e a combinação espacial de diferentes regras no mesmo reticulado. Com tudo isso, espera-se avançar no entendimento e na exploração da habilidade computacional de autômatos celulares (seja através de suas regras individuais, ou através de suas combinações temporais ou espaciais), bem como no desenvolvimento de formas efetivas para projetá-los automaticamente. A pesquisa tem se dado principalmente no contexto uma seleção de problemas clássicos, como os da classificação de densidade e o da paridade, entre outros, e na análise das possíveis conexões entre a capacidade computacional dos ACs e suas propriedades, entre as quais temos proposto várias, envolvendo características dinâmicas, de conservabilidade e de reversibilidade.