IA em Ciências Físicas e Matemática

Ciências Climáticas e Meteorologia

GraphCast (DeepMind, 2023)

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

PanGu-Weather (Huawei, 2023)

• *ature:*2023
• *rquitetura:*Transformer 3D (Earth-Specific Transformer)
• *esultado:*Supera ECMWF em previsão de ciclones tropicais; 24h de previsão

FourCastNet (NVIDIA, 2022)

• *rXiv:*2202.11214
• *rquitetura:*Adaptive Fourier Neural Operators (AFNO)
• *elocidade:*45,000× mais rápido que simulação física com qualidade similar

AIFS (ECMWF, 2024)

• *utores:*Próprio ECMWF
• *ntegração:*Primeiro modelo de ML do ECMWF em operação
• *ado:*ERA5 + próprios dados de reanálise

Aurora (Microsoft, 2024)

• *rXiv:*2405.13063
• *eneralista:*Um único modelo para múltiplas tarefas climáticas
• *esultado:*Supera ECMWF, GraphCast, PanGu em muitas métricas

---

Física Computacional

DeepMind AlphaFold → FermiNet / PauliNet

FermiNet (DeepMind, 2019)

• *rXiv:*1909.02487
• *ecanismo:*Neural network para resolver equação de Schrödinger de muitos elétrons
• *esultado:*Cálculo ab-initio de energia de moléculas mais preciso que métodos convencionais

Neural Network Potentials (NNPs)

• *so:*Substituem cálculos DFT em simulações moleculares
• *rameworks:*MACE, NequIP, PaiNN, SchNet
• *celeração:*100–1000× sobre DFT; permite simulações de proteínas em ns/dia

---

Matemática Formal

AlphaProof (DeepMind, 2024)

• *vento:*International Mathematical Olympiad (IMO) 2024
• *esultado:*4/6 problemas resolvidos formalmente (nível medalha de prata)
• *ecanismo:*RL sobre Lean 4 (provador de teoremas formal) + AlphaGeometry
• *ignificância:*Primeira IA a resolver problemas IMO em nível de medalha

AlphaGeometry (DeepMind, 2024)

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

DeepSeekProverV1.5 (DeepSeek, 2024)

• *rXiv:*2408.08152
• *ecanismo:*Fine-tuning em provas Lean 4 + RLVR + Monte Carlo Tree Search
• *esultado:*63.5% em MiniF2F (benchmark de matemática formal)

---

Provadores de Teoremas Formais

Lean 4 (Microsoft Research / Lean Community)

• *RL:*lean-lang.org
• *so em IA:*AlphaProof, DeepSeek-Prover treina sobre Lean 4
• *athlib4:*100K+ teoremas formalizados; base para treinamento

Coq

• *oco:*Verificação formal de software
• *so:*Sistemas críticos; kernel do Linux (partes)

Isabelle/HOL

• *oco:*Matemática abstrata + verificação de hardware
• *so:*Intel verifica chips com Isabelle

---

Matemática Olímpica com LLMs

Qwen2.5-Math

• *rXiv:*2409.12122
• *reinamento:*1T tokens matemáticos; TIR (Tool-Integrated Reasoning)
• *esultado:*SOTA open-source em MATH, AMC10/12, AIME

InternLM-Math

• *oco:*Matemática formal e informal; integração com Lean 4

---

Computação Quântica + IA

AlphaQubit (DeepMind, 2024)

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

Quantum ML (QML)

• *tatus:*Pesquisa ativa; vantagem quântica ainda não demonstrada claramente para ML
• *rameworks:*PennyLane, Qiskit Machine Learning

---

Fusão Nuclear

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

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

---

Astrofísica

ML para Catalogar Galáxias

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

GW (Ondas Gravitacionais) — LIGO

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

---

Tabela Resumo