Grupo de Pesquisa da UFU ganha prêmio nacional sobre IA aplicada a Engenharia Aerodinâmica
Alunos do Centro de Pesquisa em Aerodinâmica Experimental (CPAERO), da Faculdade de Engenharia Mecânica da Universidade Federal de Uberlândia (Femec/UFU), ficaram com a primeira colocação em uma das categorias do Congresso e Mostra Internacionais de Tecnologia da Mobilidade SAE BRASIL 2026. O trabalho abordou o uso de Inteligência Artificial aplicado à Engenharia Aerodinâmica de veículos.
Os discentes Felipe França, Felipe de Assis, João Vitor Reis, Leonardo Aires, Luis Gustavo Almeida, Maria Carolina Iannacaro, Pâmela Hudson, Rafael Calaça e Youssef Barbar, orientados pelo professor Odenir de Almeida, da Femec, e pela pesquisadora Fernanda Saad, da empresa Applus+ IDIADA, desenvolveram o trabalho “Framework baseado em Inteligência Artificial e Redes Neurais em Grafos para Redução de Arrasto em Veículos”. A pesquisa utiliza Inteligência Artificial para prever o comportamento aerodinâmico de diferentes configurações de veículos e, assim, tornar mais rápida a identificação de geometrias com menor arrasto.
O grupo ficou com a primeira colocação na categoria “Trabalho Estudantil SAE BRASIL Educação de Engenharia 2026”, que premia projetos de conclusão de curso e trabalhos acadêmicos de destaque desenvolvidos por estudantes de ensino médio e superior. O objetivo da categoria é dar visibilidade e mais oportunidades de carreira aos pesquisadores do Brasil em formação.
Para Felipe França, discente da Engenharia Aeronáutica, participar da pesquisa foi uma experiência transformadora para a sua formação. França acredita que o principal diferencial, que chamou a atenção da comissão, foi a maturidade tecnológica ao unir duas áreas de alta complexidade, a Fluidodinâmica Computacional de malha refinada e a Inteligência Artificial: “Na indústria automotiva, simular o escoamento do ar com alto nível de detalhamento exige um poder computacional imenso e muito tempo. Ao apresentarmos uma solução capaz de comprimir horas de simulações pesadas em poucos minutos de predição via IA, mantendo uma margem de erro baixíssima, entregamos algo com aplicação prática imediata para o setor”.
Os trabalhos premiados foram anunciados no site da SAE BRASIL na última semana. Já os prêmios foram entregues nesta quinta-feira (8/10), durante o 33º Congresso e Mostra Internacionais de Tecnologia da Mobilidade SAE BRASIL 2026, que acontece nos dias 7 e 8 de outubro, em São Paulo.
Desafios da pesquisa
França conta que o principal desafio foi expandir o projeto de um cenário bidimensional (2D) para o tridimensional (3D), o que exigiu reformular tanto a arquitetura da Inteligência Artificial, quanto todo o método de geração do banco de dados. Ele explica que na parte do código, adicionar uma terceira dimensão não é apenas incluir uma nova variável, pois a complexidade espacial e física do escoamento cresce exponencialmente. Já pelo lado das simulações computacionais, eles tiveram que refazer o fluxo de trabalho e enfrentar um gargalo de compatibilidade entre os softwares onde a geometria 3D do veículo era preparada e onde realizaram as simulações aerodinâmicas.
“Para superar essas barreiras, nos apoiamos na literatura, buscando soluções aplicadas a problemas análogos e adaptando-as à nossa realidade. No código, implementamos novas abordagens de processamento de dados tridimensionais; nas simulações, desenvolvemos uma metodologia de simplificação estratégica da geometria e novos protocolos de exportação. Com diversos ciclos de testes e validação, conseguimos padronizar um processo sem erros de leitura entre os programas e sem perder os detalhes aerodinâmicos cruciais do carro”, contou França.
Luis Bittar, estudante de Engenharia Mecânica, atesta o que o colega conta. Bittar, junto a outros membros, ficou responsável, principalmente, por desenvolver os códigos de IA do projeto. “Os principais desafios, falando especificamente da área da IA, foram realizar as imposições externas feitas na GNN para garantir a física aplicada no modelo para o treinamento, e as limitações de hardware. Mesmo tendo bons equipamentos no laboratório quando se trata do treinamento de modelos de inteligência artificial isso exige muito das máquinas, principalmente no quesito de memória. Por isso, nós não podemos extrapolar muito na resolução, pois ao atingir o gargalo dos componentes acabaríamos apenas aumentando o tempo necessário para realizar esse treinamento”, explica Bittar.
Para Bittar, este foi um dos principais diferenciais que chamou a atenção da comissão e acabou sendo um reconhecimento de toda a jornada acadêmica dele e da equipe até aqui. “Para minha formação acadêmica esse prêmio demonstra que todo tempo, o estudo e esforço dirigidos para esse projeto estão sendo recompensados com todo esse reconhecimento, e tudo que venho aprendendo durante esse tempo seguirá comigo para o futuro. Para o grupo, o prêmio atesta a qualidade do projeto e de toda a equipe envolvida, além de fortalecer os laços entre o CPAERO e a empresa Applus+ Idiada, mostrando que a parceria vem colhendo resultados e trazendo mais visibilidade para a universidade”, ele pontua.
O trabalho mostrou que a Inteligência Artificial conseguiu prever o coeficiente de arrasto com erro médio de 4,06%. França explica que esse índice representa a validação da metodologia na prática e comprova que a ferramenta é altamente confiável para a engenharia automotiva: “Uma simulação tradicional em CFD exige um alto custo computacional e pode levar horas ou dias para calcular o coeficiente de arrasto (Cd), que mede a resistência do ar contra o movimento do veículo. Com o nosso modelo, significa que podemos inserir geometrias inéditas de SUVs e obter essa previsão quase instantaneamente, com cerca de 96% de precisão em relação à simulação completa”. De acordo com França, na fase inicial de projeto de um carro, essa agilidade permite testar e filtrar dezenas de conceitos aerodinâmicos em uma fração do tempo habitual, mostrando ao público todo o esforço da equipe em unir Inteligência Artificial e física aplicada.
O professor Odenir de Almeida, coordenador do projeto, explica que a pesquisa é fundamental para a aceleração de projetos que antes podiam durar horas ou dias e que agora podem ser feitos em poucos minutos: “O impacto no desenvolvimento automotivo reflete-se pela redução dos ciclos de projeto, com grande economia de horas humanas de engenharia e recursos computacionais no dia a dia, explica o professor. Além disso, os pesquisadores desenvolveram uma plataforma que pode ser usada tanto no meio acadêmico, quanto no ambiente industrial, como é o caso da Applus+ IDIADA que fomentou o trabalho do grupo.
De acordo com o docente, o prêmio SAE Estudantil | Educação de Engenharia funciona como uma ponte definitiva entre a teoria acadêmica e o mercado de trabalho da mobilidade, focando na valorização, visibilidade e aceleração de carreiras de jovens talentos: “Muito além de avaliar notas, o prêmio busca condecorar a transição do conhecimento adquirido em sala de aula para a resolução de desafios dinâmicos reais da engenharia, frequentemente envolvendo simulações e o desenvolvimento de protótipos funcionais. E é por isso que acreditamos que a nossa pesquisa teve reconhecimento, uma vez que envolve o estado da arte na programação e utilização de IA, simulações computacionais em Aerodinâmica e criação de um ambiente de projeto virtual”.
Próximos passos e parceria
No momento, a ferramenta encontra-se em sua fase final com a criação de uma interface para o usuário externo e validações finais da modelagem e ajustes de escalabilidade de processamento. “Como continuidade já está previsto o estudo e inclusão de novos modelos de IA com capacidades estendidas, em termos da incorporação de modelos físicos que possam representar com maior fidelidade (precisão) os dados aerodinâmicos de interesse”, conta o docente da UFU.
De acordo com a coordenadora de inovação na empresa Applus+ IDIADA, Fernanda Saad, a parceria foi fundamental porque aproximou dois ambientes complementares: “A UFU contribui com conhecimento científico, infraestrutura de pesquisa e formação de alunos, enquanto a empresa traz problemas e necessidades reais da indústria automotiva. Essa integração permitiu desenvolver uma pesquisa com profundidade acadêmica, mas orientada para uma aplicação concreta, envolvendo CFD, aerodinâmica veicular e Inteligência Artificial”.
Para Saad, esse é justamente um dos principais objetivos da continuidade do projeto. Além do desenvolvimento da metodologia, as equipes estão desenvolvendo um código próprio em Python que integra diferentes etapas do processo, desde o tratamento dos dados CFD até a aplicação dos modelos de GNN. “Ainda existem etapas de desenvolvimento, expansão da base de dados e validação, especialmente com a evolução das análises para geometrias 3D mais complexas, mas os resultados obtidos até agora demonstram potencial para transformar a pesquisa em uma ferramenta de apoio a projetos reais”, explicou a coordenadora.
FONTE: COMUNICA UFU
