Bolsa de PD em Aprendizado de Máquina

Post-Doctoral Fellowship in Machine Learning

• Resumo Summary

  Descrição da Vaga de Pós-Doutorado: as principais atividades a serem desenvolvidas pelo pesquisador de pós-doutorado concentram-se na proposição de uma abordagem inovadora baseada em segmentação com redes neurais profundas para a identificação de múltiplas classes de estruturas geológicas em imagens acústicas de poços de reservatórios carbonáticos do pré-sal brasileiro.

  A metodologia deve enfatizar não apenas a classificação pixel a pixel, mas também a incorporação de relações semânticas entre diferentes classes de estruturas, em conformidade com o conhecimento geológico.

  Como contribuição central, a pesquisa entregará um arcabouço unificado para segmentação multiclasse, especificamente projetado para enfrentar os desafios de conjuntos de dados limitados e desbalanceados. Espera-se que a solução proposta melhore a acurácia e a robustez da segmentação, apoiando a caracterização automatizada de reservatórios.

  Em última instância, este trabalho contribuirá para o avanço da interpretação geológica e para o aumento da eficiência na análise de reservatórios.

  O bolsista atuará no âmbito do Centro de Inovação em Produção de Energia (EPIC), um Centro de Pesquisa Aplicada (CPA) constituído por FAPESP e Equinor, com sede na Unicamp.

  A vaga está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 12.570,00 mensais e Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

  Description of the Post-Doctoral Position: The main activities to be developed by the post-doctoral researcher will focus on proposing an innovative approach based on semantic segmentation with deep neural networks for the identification of multiple geological structures in borehole acoustic images from carbonate reservoirs in Brazil's pre-salt.

  The methodology will emphasize not only the pixel-wise classification but also the incorporation of semantic relationships among different geological structures, consistent with geological knowledge.

  As a central contribution, the research will deliver a unified framework for multiclass segmentation, specifically designed to address the challenges of limited and imbalanced datasets. The proposed solution is expected to improve segmentation accuracy and robustness, thereby supporting the automated characterization of reservoirs.

  Ultimately, this work will contribute to advancing geological interpretation and enhancing the efficiency of reservoir analysis.

  The fellow will work within the scope of the Energy Production and Innovation Center (EPIC), an Applied Research Center (ARC) jointly set by the São Paulo Research Foundation (FAPESP) and Equinor. EPIC is hosted by the State University of Campinas (UNICAMP).

  This opportunity is open to candidates of any nationality. The selected candidate will receive a FAPESP Post-Doctoral fellowship in the amount of R$ 12,570.00 monthly and a research contingency fund, equivalent to 10% of the annual value of the fellowship which should be spent on items directly related to the research activity.