Challenge 2023: tecnologias vencedoras abrangem áreas da energia, cancro e deficiência intelectual

Apuradas as melhores ideias tecnológicas da 14ª edição do Fraunhofer Portugal Challenge

Uma nova arquitetura para um gerador de energia eletromagnética auto-adaptativo rotacional; uma solução em ambiente de realidade aumentada para cirurgia oncoplástica da mama; um algoritmo que deteta rede elétrica, permitindo a prevenção de defeitos, cortes de eletricidade e incêndios florestais; e um planetário interativo para estimulação cognitiva de pessoas com deficiência intelectual. Estas foram as quatro ideias premiadas na 14ª edição do Fraunhofer Portugal Challenge.

Na entrega de prémios que aconteceu no passado dia 22 de novembro, no auditório da Biblioteca da Faculdade de Ciências e Tecnologia da Universidade NOVA de Lisboa, foram destacadas as quatro ideias de base tecnológica mais promissoras entre as dezenas de candidaturas recebidas. José Pedro Pinto, da Universidade de Aveiro; Rafaela Timóteo, do Instituto Superior Técnico; Diogo Lavado, da Faculdade de Ciências e Tecnologia da NOVA de Lisboa; e Filipa Alves, do IADE, foram os vencedores desta edição.

O Fraunhofer Portugal Challenge é um concurso de ideias, de base tecnológica, que premeia as melhores propostas de alunos de mestrado de universidades portuguesas. O concurso integra duas categorias: o Master Thesis Award (prémio para as melhores ideias baseadas em teses académicas) e o Student Award, a novidade de 2023, que premeia o estudante com a ideia tecnológica mais promissora.
 
IDEIAS VENCEDORAS

Categoria Master Thesis Award:  
(1º) José Pedro Pinto (Universidade de Aveiro) | Nova arquitetura para um gerador de energia eletromagnética auto-adaptativo rotacional    
Os sistemas de geração autónoma de energia surgem como alternativa promissora para resolver os problemas de intermitência das energias renováveis convencionais, com baixo custo e manutenção reduzida. A investigação centrou-se no desenvolvimento de uma nova arquitetura de um gerador de energia rotativo eletromagnético otimizado para tirar partido de fontes de energia de baixas frequências, de forma a potenciar a aplicabilidade, em microescala, com o movimento do corpo em, por exemplo, dispositivos médicos implantáveis e inteligentes e, em macro escala, na geração de energia através das ondas do mar. A ideia vencedora inclui também um inovador mecanismo auto-adaptativo que através de um algoritmo inteligente permite adaptar o funcionamento do gerador ajustando a sua frequência natural à frequência movimento mecânico exterior, maximizando assim a potência. Com a implementação deste sistema auto-adaptativo foram obtidos ganhos de 14% em potência de pico e ganhos de 90% da potência média.     
É também importante destacar a densidade de pico de potência deste novo gerador com cerca de 1395 µW/cm3 é a mais alta desenvolvida até à data, cerca de 78% superior à arquitetura rotacional com a maior densidade de potência na literatura científica, e uma densidade média de potência cerca de 215% superior. A inovação e desenvolvimento científico desta investigação, podem conduzir a impactos significativos na geração autónoma de energia nos próximos anos, em aplicações de micro e macro escala.

(2º) Rafaela Timóteo (IST – Universidade de Lisboa) | Ambiente de realidade aumentada para cirurgia oncoplástica da mama
Com o objetivo de melhorar o planeamento pré-operatório das cirurgias de reconstrução mamária, foi criado o BREAST+: uma interface de realidade aumentada (AR) que recorre aos HoloLens 2 (Microsoft). Esta interface permite aos cirurgiões terem acesso a modelos tridimensionais digitais das doentes, possibilitando-os a visualização tridimensional das perfurantes e, consequentemente, auxilia a tarefa de marcação, praticamente imediata, da sua localização na barriga da doente no bloco operatório. Foram realizados testes de usabilidade com três cirurgiões de mama em cirurgias reais, nos quais retiramos dados qualitativos que demonstram uma resposta muito positiva da parte dos peritos. BREAST+ demonstra-se como uma interface AR inovadora, oferecendo aos cirurgiões uma visualização ímpar e inacessível em procedimentos convencionais.

(3º) Diogo Lavado (FCT NOVA) | Algoritmo de Machine Learning que deteta rede elétrica
As inspeções da rede elétrica de Portugal são uma tarefa crucial para a EDP como forma a prevenir falhas de eletricidade e até fogos florestais. De forma a tornar as inspeções mais seguras e céleres, Diogo Lavado desenvolveu um algoritmo de machine learning que deteta a rede elétrica, permitindo calcular um risco de contato da rede com o ambiente, o que pode significar a prevenção de defeitos, cortes de eletricidade e incêndios florestais.

Tags: