Rafael Calsaverini


Essa é a página pessoal de Rafael Calsaverini.

Apresentação

Meu nome é Rafael S. Calsaverini, sou bacharel e mestre em física pela Universidade de São Paulo, no Insituto de Física de São Carlos, e atualmente estudante de doutorado na mesma universidade, dessa vez no Instituto de Física, no campus butantã em São Paulo-SP.

Durante o mestrado trabalhei em física teórica de semicondutores, particularmente na área conhecida como spintrônica. Minha dissertação consistiu em fazer simulações em computador para calcular a intensidade de certos efeitos envolvendo o spin dos elétrons em um semicondutor (interação spin-órbita intersubbanda em poços quânticos – se você se interessa por isso procure minha dissertação, este artigo ou este artigo )

No doutorado em mudei completamente de área, vindo trabalhar no grupo de física estatística aplicada ao processamento de informação, onde eu tenho me dedicado a estudar problemas de interesse em finanças e economia do ponto de vista das técnicas de modelagem conhecidas por um físico.

Presença digital

Apesar de ser um principiante perto do Daniel, também posso ser encontrado em outros lugares além do Ars Physica:


Interesses acadêmicos

Além dos problemas específicos que eu trato no meu doutorado, há áreas sobre as quais estou sempre interessado e dedico algumas conversas e raciocínios, e onde eu pretendo construir minha carreira de pesquisa:

  • Modelos baseados em agentes: produzindo modelos de comportamento para os agentes que compõe um sistema (carros no trânsito, negociadores em uma bolsa de valores, vendedores e compradores em um mercado de carros usados, animais em um ecossistema, moléculas em um gás(!) etc) podemos tentar saber o que ocorre quando muitos desses agentes interagem entre si. Essa é uma tendência de pesquisa recente em certas áreas e muito antiga em outras. Em economia, ecologia e ciências sociais, esse tipo de modelagem começou a ser feito desde a década de 70. Em física é uma abordagem já bem estabelecida e tem relação direta com as disciplina denominadas Física Estatística ou Mecânica Estatística e  Teoria Cinética dos Gases. Enquanto a maior parte do trabalho feito em simulação baseada em agentes é computacional, eu tenho interesse tanto nessa área quanto em resultados analíticos (ou seja, cálculos no papel mesmo, que resultem em equações matemáticas fechadas);
  • Economia: a possibilidade de se fazer modelos analíticos baseados em agentes leva à possibilidade de obter resultados matemáticos em economia que ainda não foram explorados usando as técnicas da física estatística. A ciência economica ainda carece de modelos matemáticos exploratórios do tipo que os físicos estão acostumados a fazer. Normalmente há mais interesse por parte dos economistas em resultados matemáticos rigorosos e gerais, e não em modelagem exploratória. Recentemente no entanto, muitos novos modelos e resultados têm sido produzidos por economistas com novos interesses e os cálculos envolvidos são muito familiares para os físicos (El Farol, Jogo da Minoria). Além desses modelos, há um esforço por parte de alguns economistas em reescrever os resultados das teorias economicas atuais como modelos de física estatística;
  • Informação e inferência: o que é informação? Como adquirimos informação? Como medimos a quantidade de informação que possuímos sobre algo? São, claro, perguntas não muito fáceis de se responder e mesmo de se definir precisamente. Mas há pesquisas nessa direção hoje, e muitos resultados surpreendentes (exemplo 1, exemplo 2) têm sido obtidos;
  • Machine Learning: Um tópico intimamente relacionado com o anterior. Podemos construir modelos computacionais que “aprendem” e assim ter mais insight em como nós aprendemos. Também podemos usar esses modelos que aprendem para divisar novas formas de fazer computação, modelar sistemas complexos, tentar extrair informação de séries de dados geradas por mecanismos desconhecidos ou muito complexos (metereologia, mercado financeiro, sistemas biológicos,…) , controlar sistemas de interesse em engenharia e otimizar diversos tipos de mecanismos (desde algoritmos até processos industriais);
  • Finanças quantitativas: reconhecer padrões em séries temporais é uma atividade extremamente útil em diversos campos. Mas o campo onde há o maior prêmio por reconhecer padrões verdadeiros (e a maior punição em “reconhecer” padrões que não existem) é em finanças. Já há uma área estabelecida de pesquisa em modelagem estatística fenomenológica de quantidades de interesse em finanças (ações, derivativos, taxas de juro etc). Eu me interesso pela relação entre a modelagem fenomenológica (que não passa de uma descrição das propriedades estatísticas de determinada série temporal) com a modelagem microscópica de comportamento dos agentes.
A pergunta que mais me fascina hoje é: como selecionamos informação? Há inúmeras situações na ciência em que é crítico saber quanta informação é necessária para descrever no mínimo um sistema qualquer e como se seleciona, dentre a quantidade imensa de informação disponível, quais são aquelas que são críticas. Isso está relacionado a diversos assuntos em física estatística, computação, teoria da informação e inferência estatística. Está relacionado com o problema da seleção de parâmetros de ordem em mecânica estatística e com o grupo de renormalização, está relacionado com complexidade algorítmica em computação e está relacionado com o teorias de ”campo médio” em estatística e inferência. Certamente um dia vou dedicar meu tempo de pesquisa a essa pergunta.
Enfim, sou um físico trilhando caminhos bem pouco ortodoxos e bem esquisitos😀.
Além desse blog mantenho um outro mais pessoal com posts não apenas sobre física no stoa.

Academic CV

Afinal, não custa nada deixar um pouco de informação aqui:

Education

  • Doctoral Student in Physics in University of São Paulo
    • Research:
      • Statistical physics and information theoretical methods in economic analysis.
      • Agent-based modelling in economics
  • M. Sc. in Physics by the University of São Paulo at São Carlos, 2005 – 2007
    • Thesis work: Intersubband spin-orbit coupling in quantum wells.
  • B.S. in Physics by the University of São Paulo at São Carlos, 2000 – 2004

Current Research Interests

  • Machine Learning
  • Gaussian processes
  • Agent-based Modelling
  • Improvement of neo-classical analysis from stat-physical considerations
  • Statistical fluctuations around neo-classical results

Publications

  1. Nenhum comentário ainda.
  1. sábado, 1 nov 2008; \44\UTC\UTC\k 44 às 19:23:17 EST
  2. domingo, 22 fev 2009; \08\UTC\UTC\k 08 às 11:23:54 EST
Os comentários estão desativados.
%d blogueiros gostam disto: