Acesse o menu principal
Blog do Google Brasil
Programas para estudantes

Conheça os vencedores da 9ª edição do LARA, o programa de bolsas de pesquisa do Google

Article's hero media

O bioquímico e Prêmio Nobel Albert Szent-Györgyi costumava dizer que “pesquisar é ver o que todo mundo viu e pensar o que ninguém mais pensou”. Talvez essa seja uma boa definição para a tarefa essencial que milhares de pessoas realizam diariamente em universidades, laboratórios e centros de estudos. Lá, pessoas apaixonadas, trabalhadoras e determinadas realizam suas pesquisas científicas e buscam, justamente, “pensar o que ninguém mais pensou”.

Por isso, para o Google, é uma honra premiar, pelo nono ano consecutivo, as tarefas silenciosas, mas essenciais da pesquisa científica que, desde 2013, são reconhecidas pelo LARA (Latin America Research Awards).

Novas categorias: reflexos de novos tempos

Os últimos dois anos mostraram, dramaticamente, a vulnerabilidade de nossa espécie e a importância fundamental de ter pessoas de diferentes disciplinas que buscam soluções para os problemas e necessidades mais urgentes da humanidade. Por isso, para esta edição, os prêmios do LARA agregaram às suas categorias tradicionais a de COVID-19 e, como em 2020, este ano são reconhecidos os projetos de pesquisa relacionados à pandemia e gestão da saúde. Para a edição atual, também foi adicionada a categoria Diversidade, Equidade e Inclusão (DEI), que busca destacar trabalhos que visam fechar ou reduzir as lacunas sociais que ainda persistem em toda a América Latina.

Um longo caminho de apoio e colaboração

Os prêmios LARA já contribuíram com US$ 4 milhões para um total de 183 projetos na região. Este ano foram 24 projetos selecionados, de uma base de 700 inscrições, sendo 14 do Brasil, 3 da Argentina, 3 do Chile, 2 do México, 1 do Peru e 1 do Uruguai. Juntos, os projetos selecionados receberão um total de US$ 500.000 para dar continuidade ou iniciar pesquisas em áreas de conhecimento que vão de Covid-19 à Diversidade, Equidade e Inclusão, e de Machine Learning aplicado à saúde ao processamento de linguagem, privacidade e mudanças climáticas.

Te convidamos a conferir a lista completa de projetos e a continuar apoiando, junto com o Google, a pesquisa de quem trabalha e investiga para nos proporcionar um futuro melhor. Veja abaixo:

Brasil

Compartilhamento de Conteúdo Tóxico em Plataformas de Mídia Social: Análise Orientada à Rede e Aplicações Potenciais: Jussara Almeida e Gabriel Nobre (UFMG)

Aplicação baseada no estudo randômico de metástases cerebrais em pacientes com câncer de pulmão para a predição de biomarcadores, e a melhora de fatores prognósticos: André Fujita e Vinicius de Carvalho (USP)

Análise de vasos sanguíneos além da segmentação: desenvolvimento de abordagens flexíveis e explicáveis ​​para caracterizar a morfologia da vascularização: Cesar Comin e Matheus Viana da Silva (UFSCAR)

Combatendo a doença de Alzheimer por meio de inteligência artificial explicável: Anderson Rocha e Flávia Azevedo (Unicamp)

A busca pela generalização em pequenos conjuntos de dados médicos: Sandra Ávila e Levi Chaves (Unicamp)

Estendendo o Papel dos Clusters de Palavras Semânticas em Tarefas de Processamento de Linguagem Natural: Marcos Gonçalves e Felipe Viegas (UFMG)

Um reforço na detecção de mudanças ambientais para vigiar as florestas e apoiar ações sustentáveis: Ricardo Rios e Brenno Alencar (UFBA)

Eficiência de CPU escalável e alta para cargas de trabalho de datacenter sensíveis à latência: Marcos Augusto Vieira e Jean Henrique Ferreira (UFMG)

Uma estrutura robusta e explicável baseada em QIF para avaliar os riscos de privacidade de grandes dados : Mario Alvim e Gabriel Henrique Nunes (UFMG)

BioAutoML: Engenharia automatizada de recursos para classificação de sequências biológicas: André Carlos Ferreira e Robson Bonidia (USP)

Aprendendo a combinar imagens de objetos deformáveis: Erickson Nascimento e Guilherme Potje (UFMG)
Classificação automática e interpretável do eletrocardiograma de 12 derivações:
Wagner Meira Júnior e Derick Matheus Oliveira (UFMG)

Detecção automática de falsificações de imagens científicas: Anderson Rocha e João Cardenuto (Unicamp)

Deep Learning em espectroscopia molecular salivar: um teste sustentável, rápido e não invasivo para o diagnóstico de COVID-19 : Murillo Carneiro e Anísio Santos (UFU)

Argentina

Deep Learning em Incorporações Moleculares para Reaproveitamento de Medicamentos : Axel Soto e María Virginia Sabando (UNS)

Genômica e metagenômica do vírus SARS-CoV-2 na Argentina: uma análise abrangente de aspectos genéticos e evolutivos de linhagens autóctones: Mariana Viegas e Mercedes Soledad Nabaes Jodar (UNLP)

Deep Learning em Modelos Causais de Mídias Digitais: Ana Gabriela Maguitman e Mariano Maisonnave (UNS)


Chile

Previsão e integração para representação de linguagem natural:
Alvaro Soto e Vladimir Araujo (PUC)

Detectores de apreensão de EEG: em direção à generalização e interpretabilidade: Felipe Tobar e Victor Caro (UChile)

Índices práticos e flexíveis em coleções de strings repetitivas: Gonzalo Navarro e Dustin Cobas (UChile)


México

Biomarcadores de Descoberta de Câncer e Classificação Clínica Automática: Victor-Manuel Trevino-Alvarado e Sarah Ayton (Instituto Tecnológico de Monterrey)

Sistema de Apoio à Decisão Médica para Diagnóstico de Arritmias Cardíacas : Miguel A Padilla-Castañeda e Jonathan R Torres Castillo (UNAM)

Peru

Avaliação do padrão de microaglutinação de uma salmonela geneticamente modificada para detectar infecções de variantes do SARS-CoV-2 (delta e lambda) em humanos e gatos domésticos, usando tecnologias móveis e inteligência artificial: Mirko Zimic e Mario Salguedo (UPCH)

Uruguai

Incerteza em deep networks: melhorando a probabilidade de gravidez: Pablo Musé e Juan Young (Udelar)