Jonathan Aguiar Soares

Jonathan Aguiar Soares, nascido em Santa Maria, Rio Grande do Sul, Brasil, em fevereiro de 1991, é um pesquisador especializado em telecomunicações e engenharia elétrica. Ele concluiu seu doutorado em Engenharia Elétrica na Universidade Estadual de Campinas (UNICAMP) em 2024, após obter o título de mestre pela UNICAMP em 2021 e o bacharelado pela Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) em 2019.Nos últimos anos, Jonathan tem se dedicado a pesquisas de ponta em sistemas de comunicação. Seu trabalho enfatiza o desenvolvimento e a aplicação de técnicas de aprendizado de máquina para aprimorar a estimação de canal, decodificação e processamento de sinais para redes MIMO e ópticas, com foco especial em redes neurais de valores complexos (CVNNs). Sua pesquisa abrange diversas áreas das telecomunicações incluindo sistemas sem fio avançados, comunicações ópticas e redes 5G/6G e tem sido amplamente reconhecida e citada tanto na academia quanto na indústria, especialmente por seus métodos de aprendizado semissupervisionado em estimação conjunta de canal e decodificação para sistemas MIMO massivos.A pesquisa de Jonathan resultou em diversas publicações de alto impacto em periódicos e conferências, incluindo artigos no IEEE Wireless Communications Letters e no Journal of Lightwave Technology. Suas contribuições variam desde o desenvolvimento de redes neurais de base radial com transmitância de fase até métodos inovadores de localização de falhas suaves que integram aprendizado de máquina com redes definidas por software. Muitos desses avanços possuem aplicações práticas, alguns dos quais foram patenteados e licenciados pela indústria.Suas principais contribuições em Periódicos: Publicações como Semi-Supervised ML-Based Joint Channel Estimation and Decoding for m-MIMO With Gaussian Inference Learning (2023) e Deep Phase-Transmittance RBF Neural Network for Beamforming With Multiple Users (2022) demonstram a capacidade de Jonathan em conectar avanços teóricos com implementações práticas.Apresentações em Conferências: Apresentando trabalhos sobre processamento em nível de subportadora baseado em redes neurais, seleção de parâmetros para modelos avançados e complexidades computacionais de CVNNs em conferências de destaque (ex.: ICMLCN, LATINCOM), Jonathan destaca seu envolvimento ativo com a comunidade global de pesquisa.Seu trabalho inovador também resultou em patentes para aumento das taxas de transmissão de dados em sistemas ópticos e sem fio, bem como para estimação de canal e decodificação baseados em redes neurais. A adoção dessas soluções patenteadas pela indústria evidencia o impacto prático de sua pesquisa. Com mais de 180 citações e um índice h de 7 no Google Scholar, as contribuições de Jonathan estão se tornando referência no campo de CVNNs para comunicações, refletindo sua dedicação em avançar o conhecimento teórico e a prática industrial.Atualmente, Jonathan está desenvolvendo soluções aceleradas por hardware para comunicações sem fio de próxima geração usando CVNNs em plataformas FPGA, possibilitando treinamento e inferência em tempo real para 5G e além. Seu foco inclui adaptação dinâmica às condições de canal e sistemas escaláveis de MIMO e formação de feixes (beamforming) com desempenho em tempo real e por meio de transmissões over-the-air.Pensando no futuro, sua pesquisa tem como alvo camadas físicas baseadas em inteligência artificial para 6G, sistemas adaptativos eficientes em FPGA e MIMO massivo sem célula (cell-free) integrando redes sem fio e ópticas para aumentar a escalabilidade e a confiabilidade. Ao apoiar a transição para interfaces aéreas nativas de IA, Jonathan está impulsionando a inovação nas tecnologias de comunicação de próxima geração, gerando um impacto significativo no mundo real. (Fonte: Currículo Lattes)