CNPEM oferece bolsa TT-IV FAPESP para Processamento e Segmentação de Dados Tomográficos de Materiais Porosos

O Centro Nacional de Pesquisa em Energia e Materiais (CNPEM), por meio do Laboratório Nacional de Nanotecnologia (LNNano) e do Centro de Pesquisa em Engenharia Molecular para Materiais Avançados (CEPID CEMol), reabre processo seletivo para 1 (uma) Bolsa de Treinamento Técnico IV (TT-IV) da FAPESP para atuação em pesquisa de processamento e segmentação de dados de microtomografia de raios X de materiais porosos à base de carbono. A oportunidade está vinculada ao projeto Auxílio Regular FAPESP coordenado pela pesquisadora Dra. Rubia Gouveia. O prazo para candidatura é 30 de junho de 2026.

O projeto será desenvolvido no CNPEM, em Campinas (SP), envolvendo atividades interdisciplinares entre pesquisadores das áreas de materiais e computação do LNNano e Laboratório Nacional de Luz Síncrotron (LNLS), pesquisa em análise computacional de dados tomográficos 4D de experimentos in situ na linha Mogno do LNLS.

Principais atividades

As principais atividades a serem desenvolvidas pelo(a) candidato(a) selecionado(a) incluem:

• Desenvolvimento de técnicas computacionais para processamento, pré-processamento e segmentação de dados tomográficos em 4D;

• Tratamento de imagens obtidas por microtomografia de raios X de materiais porosos à base de carbono;

• Remoção de artefatos e melhoria de contraste em conjuntos de dados tomográficos;

• Segmentação de fases (paredes do criogel, óleo e ar);

• Aplicação de métodos clássicos de processamento de imagens e abordagens baseadas em visão computacional, inteligência artificial e aprendizado de máquina;

• Utilização de softwares especializados, como Annotat3D e Avizo/Amira;

• Colaboração com equipes multidisciplinares do LNNano e Sirius;
• Apoio na análise e interpretação dos resultados obtidos nos experimentos.

Requisitos para candidatura

• Graduação em Ciência da Computação, Física, Química, Matemática, Engenharia Física ou áreas afins;

• Experiência mínima de dois anos em pesquisa ou experiência profissional após a graduação, ou título de mestre, em atividades relacionadas ao plano de trabalho proposto;

• Experiência com tratamento de imagens de tomografia e/ou microscopias de raios X;

• Experiência com softwares de tratamento de dados, morfologia e morfometria;

• Desejável experiência com técnicas de aprendizado de máquina aplicadas a imagens, incluindo deep learning.

Características da bolsa

• Modalidade: Bolsa TT-IV da FAPESP;

• Duração: 24 meses;

• Dedicação: 40 horas semanais (exclusiva);

• Valor da bolsa: R$ 4.520,00/mês, conforme tabela vigente da FAPESP;

• Local de execução: CNPEM – Campinas (SP);
• Supervisão: Dra. Rubia Gouveia (LNNano/CEMol – CNPEM).

Como se candidatar

As candidaturas devem incluir:

• Carta de motivação evidenciando a experiência prévia na área do projeto (máximo de duas páginas);

• Currículo (CV), contendo links para o Currículo Lattes e demais perfis acadêmicos;

• Uma carta de recomendação;

• Histórico de graduação e pós-graduação (quando aplicável).

As inscrições devem ser encaminhadas até 30 de junho de 2026 para o e-mail: rubia.gouveia@lnnano.cnpem.br com o assunto:

[Bolsa TT-IV Nanocompósitos porosos]

Etapas do processo seletivo

• Data limite para candidatura: 30 de junho de 2026;

• Convocação para entrevistas: candidatos com perfil compatível serão contatados por e-mail;
• Início previsto da bolsa: a definir.

Sobre o projeto

O projeto tem como objetivo o desenvolvimento de metodologias avançadas para análise de dados tomográficos 4D de materiais porosos à base de carbono obtidos por microtomografia de raios X. As pesquisas incluem experimentos in situ e análises com resolução temporal realizados na linha Mogno, uma das linhas de luz do Sirius, acelerador de partículas brasileiro.

As atividades envolvem o desenvolvimento e aplicação de técnicas computacionais para segmentação e análise de imagens tridimensionais complexas, integrando métodos tradicionais de processamento de imagens e abordagens modernas de inteligência artificial e aprendizado de máquina. O trabalho será realizado em um ambiente altamente interdisciplinar, envolvendo pesquisadores das áreas de ciência dos materiais, computação e instrumentação científica, utilizando infraestrutura de ponta do CNPEM.