Estudante de Engenharia Eletrônica e de Telecomunicações na Universidade Estadual Paulista (UNESP), campus de São João da Boa Vista. É Bolsista de Pesquisa (CNPq e FAPESP) com forte foco em Comunicações Ópticas e Inteligência Artificial. Sua pesquisa principal é a aplicação de Redes Neurais Artificiais (MLP) e o algoritmo evolutivo NSGA-II para otimização multi-objetivo de hiperparâmetros, visando a compensação não linear em interconexões ópticas coerentes (minimizando BER e Custo Computacional/FLOPs). Possui proficiência em Python (TensorFlow/Keras, NumPy) e C/C++, e experiência em projetos técnicos de sistemas embarcados e design de RF. Seu trabalho de Iniciação Científica foi reconhecido e selecionado para as Fases Nacionais dos XXXVI e XXXVII Congressos de Iniciação Científica da UNESP, além de ter sido objeto de Apresentação Oral no IOPC SBFoton 2025. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Com o aumento da taxa de transmissão de dados na internet, os sistemas ópticos coerentes digitais precisaram ser otimizados para permitir um melhor desempenho. Efeitos não lineares, como o o efeito Kerr da fibra, são os principais fatores limitantes de rendimento nesses sistemas e, ao longo dos anos, diversas ferramentas foram desenvolvidas para mitigar esses efeitos, sendo as redes neura…
| 1 | Bolsas no país concluídas |
| Processos vinculados | |
CV Lattes
ORCID