Aos 23 anos, o piauiense Pablo Barros já começa a colher os resultados de uma trajetória acadêmica marcada por empenho, criatividade e inovação. Doutorando em Matemática Aplicada e Ciência de Dados pela Escola de Matemática Aplicada da Fundação Getulio Vargas (FGV EMAp), ele foi o vencedor da sessão de pôsteres do CariOpt 2025, um dos principais encontros nacionais na área de Otimização.
O trabalho premiado, intitulado Paralelizando o Método de Reflexão Circuncentrada, propõe uma nova abordagem para lidar com um dos desafios centrais da Matemática Aplicada: encontrar soluções que atendam a várias restrições ao mesmo tempo — algo fundamental em setores como inteligência artificial, engenharia, finanças e infraestrutura.
“Imagine que você precisa tomar uma decisão que precisa respeitar várias regras ao mesmo tempo — como escolher uma rota de viagem que evite o trânsito, mas também seja rápida e segura. Esse tipo de situação aparece o tempo todo nos bastidores de apps de mobilidade, recomendações de filmes, ou diagnósticos por imagem. Resolver esse tipo de problema de forma eficiente é o que a Matemática da Otimização faz”, explica Pablo.
O método clássico utilizado por Pablo, conhecido como Reflexão Circuncentrada, atua como um sistema de “espelhos matemáticos”: a cada passo, o algoritmo reflete a posição atual em relação a cada restrição e escolhe o ponto central entre todas essas reflexões. Repetindo o processo, a solução converge rapidamente para a resposta mais adequada — mesmo em cenários de alta complexidade.
A inovação apresentada por Pablo foi adaptar esse método ao cenário computacional moderno, com a criação do P‑CRM — sigla para Método das Reflexões Paralelas com Circuncentro.
“A paralelização é como se, em vez de fazer os cálculos um por um, o método os fizesse todos de uma vez, aproveitando a capacidade total dos computadores modernos”, explica Pablo. Isso torna o processo significativamente mais veloz — uma vantagem decisiva em aplicações que envolvem milhares de variáveis simultâneas, como sistemas elétricos, montagem de carteiras financeiras ou geração de imagens médicas.
O método desenvolvido por Pablo também tem uso direto em aplicações de inteligência artificial. Algoritmos otimizados são capazes de selecionar respostas ideais entre várias alternativas, respeitando critérios como rapidez, relevância e segurança.
“Na IA, é comum o sistema precisar tomar decisões que satisfaçam várias condições ao mesmo tempo. O método permite justamente isso: analisar múltiplas possibilidades e refinar a escolha a cada iteração, até encontrar a opção mais eficiente e adequada”, explica Pablo.
A apresentação durante o CariOpt 2025 foi reconhecida não apenas pela proposta técnica, mas também pela clareza e entusiasmo do pesquisador. “Acredito que os principais pontos que chamaram atenção foram a originalidade do trabalho e a minha felicidade de estar ali. Esse projeto me empolga de verdade”, revela.
E os próximos passos já estão em andamento. “A principal conclusão do artigo é que conseguimos resolver problemas de Viabilidade Convexa com mais eficiência usando o P-CRM. E isso nos inspirou a desenvolver um novo método: o Método de Projeções Poliedrais Paralelas, que funciona em contextos ainda mais amplos”, complementa Pablo.
