IA em Ciências Físicas e Matemática

Ciências Climáticas e Meteorologia

GraphCast (DeepMind, 2023)

• Science: "Learning skillful medium-range global weather forecasting" (2023)
• Arquitetura: GNN (Graph Neural Network) em icosahedral mesh
• Dados: ERA5 (40 anos de dados meteorológicos do ECMWF)
• Resultado: Supera ECMWF HRES (modelo operacional mais preciso do mundo) em 90% das métricas
• Velocidade: Previsão de 10 dias em 60 segundos (vs horas para modelos físicos)
• Acesso: Open-source; operacional no ECMWF desde 2023

PanGu-Weather (Huawei, 2023)

• Nature: 2023
• Arquitetura: Transformer 3D (Earth-Specific Transformer)
• Resultado: Supera ECMWF em previsão de ciclones tropicais; 24h de previsão

FourCastNet (NVIDIA, 2022)

• arXiv: 2202.11214
• Arquitetura: Adaptive Fourier Neural Operators (AFNO)
• Velocidade: 45,000× mais rápido que simulação física com qualidade similar

AIFS (ECMWF, 2024)

• Autores: Próprio ECMWF
• Integração: Primeiro modelo de ML do ECMWF em operação
• Dado: ERA5 + próprios dados de reanálise

Aurora (Microsoft, 2024)

• arXiv: 2405.13063
• Generalista: Um único modelo para múltiplas tarefas climáticas
• Resultado: Supera ECMWF, GraphCast, PanGu em muitas métricas

---

Física Computacional

DeepMind AlphaFold → FermiNet / PauliNet

FermiNet (DeepMind, 2019)

• arXiv: 1909.02487
• Mecanismo: Neural network para resolver equação de Schrödinger de muitos elétrons
• Resultado: Cálculo ab-initio de energia de moléculas mais preciso que métodos convencionais

Neural Network Potentials (NNPs)

• Uso: Substituem cálculos DFT em simulações moleculares
• Frameworks: MACE, NequIP, PaiNN, SchNet
• Aceleração: 100–1000× sobre DFT; permite simulações de proteínas em ns/dia

---

Matemática Formal

AlphaProof (DeepMind, 2024)

• Evento: International Mathematical Olympiad (IMO) 2024
• Resultado: 4/6 problemas resolvidos formalmente (nível medalha de prata)
• Mecanismo: RL sobre Lean 4 (provador de teoremas formal) + AlphaGeometry
• Significância: Primeira IA a resolver problemas IMO em nível de medalha

AlphaGeometry (DeepMind, 2024)

• Nature: "Solving olympiad geometry without human demonstrations" (2024)
• Resultado: Resolve 25/30 problemas de geometria olímpica (vs 25.9 para medalha de ouro)
• Mecanismo: Símbólico + LLM para gerar construções auxiliares

DeepSeek-Prover-V1.5 (DeepSeek, 2024)

• arXiv: 2408.08152
• Mecanismo: Fine-tuning em provas Lean 4 + RLVR + Monte Carlo Tree Search
• Resultado: 63.5% em MiniF2F (benchmark de matemática formal)

---

Provadores de Teoremas Formais

Lean 4 (Microsoft Research / Lean Community)

• URL: lean-lang.org
• Uso em IA: AlphaProof, DeepSeek-Prover treina sobre Lean 4
• Mathlib4: 100K+ teoremas formalizados; base para treinamento

Coq

• Foco: Verificação formal de software
• Uso: Sistemas críticos; kernel do Linux (partes)

Isabelle/HOL

• Foco: Matemática abstrata + verificação de hardware
• Uso: Intel verifica chips com Isabelle

---

Matemática Olímpica com LLMs

Qwen2.5-Math

• arXiv: 2409.12122
• Treinamento: 1T tokens matemáticos; TIR (Tool-Integrated Reasoning)
• Resultado: SOTA open-source em MATH, AMC10/12, AIME

InternLM-Math

• Foco: Matemática formal e informal; integração com Lean 4

---

Computação Quântica + IA

AlphaQubit (DeepMind, 2024)

• Nature: "Decoding quantum errors with machine learning" (2024)
• Mecanismo: Rede neural para decodificar erros quânticos em tempo real
• Resultado: Superior a decodificadores clássicos (MWPM) com o mesmo hardware

Quantum ML (QML)

• Status: Pesquisa ativa; vantagem quântica ainda não demonstrada claramente para ML
• Frameworks: PennyLane, Qiskit Machine Learning

---

Fusão Nuclear

DeepMind + EPFL: Controle de Plasma por RL (2022)

• Nature: "Magnetic control of tokamak plasmas through deep reinforcement learning" (2022)
• Resultado: RL controla plasma do tokamak TCV em configurações nunca alcançadas
• Impacto: Aceleração do desenvolvimento de reatores de fusão (ITER, Commonwealth Fusion)

---

Astrofísica

ML para Catalogar Galáxias

• DeepPSF, Morpheus: CNN para segmentar imagens astronômicas
• Uso: LSST (Vera Rubin Observatory) usa ML para classificar bilhões de objetos

GW (Ondas Gravitacionais) — LIGO

• ML em LIGO: CNN para detectar e classificar sinais de ondas gravitacionais em dados ruidosos
• Velocidade: 2,000× mais rápido que matched filtering clássico

---

Tabela Resumo