Pesquisa de ex-aluno da Bioinformática UFMG é destaque na Nature Scientific Reports com inovação em IA

A interdisciplinaridade da Bioinformática acaba de render um fruto expressivo para a área de Inteligência Artificial de fronteira. O Prof. Dr. Anderson R. Santos, doutor pelo Programa de Pós-Graduação em Bioinformática da UFMG (2012) e ex-pós-doutorando em Genética Celular e Molecular na instituição, desenvolveu uma tecnologia 100% brasileira capaz de eliminar o gargalo de memória de Grandes Modelos de Linguagem (LLMs, as bases tecnológicas de ferramentas como o ChatGPT).

A pesquisa teórica foi publicada no prestigioso periódico internacional Scientific Reports (do grupo Nature Portfolio), e a validação computacional do sistema (RIS-Kernel) foi apresentada no congresso internacional IKE'26 (Information       Knowledge Engineering) em Las Vegas, EUA.

O Elo entre Proteínas e Redes Neurais

O fato mais marcante é que a ideia central do algoritmo não nasceu na computação tradicional de IA, mas diretamente da pesquisa com genômica de bactérias iniciada no doutorado do pesquisador. Ao desenvolver o software GenPPi 1.5 no laboratório Comp2Bio para prever e mapear redes de interações proteína-proteína em genomas bacterianos, Anderson enfrentou o problema da altíssima densidade de interações redundantes. Para isolar as conexões biologicamente centrais, criou o método matemático RIS (Reduced Interaction Sampling).
Meses depois, ao observar o cálculo de autoatenção (self-attention) que as IAs usam para ler textos longos, o pesquisador percebeu que as matrizes de atenção dos modelos de linguagem compartilham da exata mesma topologia matemática e dos mesmos gargalos estruturais que as redes complexas de proteínas bacterianas.

Resultados Práticos e 'Green AI'

Ao transpor o algoritmo biológico para as LLMs, a arquitetura RIS reduziu a complexidade computacional de atenção de quadrática O(N2) para sublinear O ( NlogN ). Na prática, o sistema permitiu que modelos de IA processassem contextos extensos de até 65 mil palavras rodando de forma leve em CPUs comuns de computadores comuns, eliminando a necessidade de clusters de GPUs importadas de altíssimo custo.
Por podar os ruídos redundantes e baratear o hardware necessário, o método diminui substancialmente o consumo elétrico e hídrico de datacenters, inserindo a descoberta na vanguarda internacional da Inteligência Artificial Sustentável (Green AI). O projeto também já foi submetido ao Ministério da Ciência, Tecnologia e Inovação (MCTI) dentro do Plano Brasileiro de IA para apoiar a soberania de dados nacional.
O Programa de Pós-Graduação em Bioinformática da UFMG parabeniza o Prof. Anderson por esta conquista, que exemplifica com perfeição como o estudo de sistemas biológicos pode revolucionar o cenário da tecnologia profunda global (deep tech).

Links e Referências para consulta:

* DEMO do RIS-Kernel. Use sem instalar, pergunte em língua inglesa: https://huggingface.co/spaces/santosardr/ris-kernel-demo
* Vídeo do Congresso (YouTube): https://youtu.be/paIP6V0pv8M
* Artigo Científico (Scientific Reports): https://doi.org/10.1038/s41598-026-59160-z
* Artigo Técnico (IKE'26 / Zenodo): https://doi.org/10.5281/zenodo.20476758
* GitHub da Pesquisa: https://github.com/santosardr/riskernel