Todas as Notícias

As provas possuem níveis distintos:

 

9º ano do Ensino Fundamental II

1ª série do Ensino Médio

2ª série do Ensino Médio. Saiba mais...

 

 

 

O evento será de 2 a 6 de abril de 2024, na ETH Zurich, Suíça. A etapa nacional, o BPT (Brazilian Physicists Tournament), versa sobre uma lista reduzida que compreende os problemas 1, 2, 3, 4, 7, 8, 9, 10, 11, 12, 16, e acontecerá dias 11, 12 e 13 de dezembro deste ano, na Universidade Federal do ABC, Santo André.

 

Durante o torneio, conduzido integralmente em inglês, uma equipe desenvolve diferentes papéis, como apresentar a sua solução (“reporter”), criticar construtivamente a solução da outra equipe (“opponent”), ou conduzir o debate entre essas duas equipes (“reviewer”), sempre de forma a aprimorar conjuntamente a solução do problema em questão. 

 

[Veja aqui mais detalhes do formato da competição]

 

 

Trata-se de uma ótima oportunidade para aprender tópicos mais avançados de física, tanto experimentais quanto teóricos e computacionais, aprimorar o trabalho em equipe, capacidade argumentativa, e fazer muitos amigos que compartilham do entusiasmo por desafios de física.

 

 

 

 

 

 

 

 

 

 

 

 

Tanto historicamente quanto em seu quadro atual de professores, o Instituto se orgulha de contar com diversos Membros Titulares da ACIESP, pesquisadores de elevado reconhecimento nacional e internacional. Destacamos aqui nossos docentes ativos (ou aposentados ainda em colaboração direta) que fazem parte do seleto conjunto:

 

Para mais informações sobre a composição da nova diretoria, Conselho Diretor e da lista completa de Membros da ACIESP, acesse aciesp.org.br. 
É possível conferir a transmissão da Cerimônia de Posso e Diplomação pelo canal da ACIESP no YouTube - Acesse AQUI.

 

 

The cerebral cortex can be considered as a delay coupled recurrent network whose nodes are feature selective and have a propensity to oscillate. Such networks exhibit high dimensional non-linear dynamics that can be exploited for computations. Results obtained with parallel recordings of neuronal responses in the visual cortex suggest that the cerebral cortex uses this high dimensional dynamic space for the flexible encoding of relations among features (feature binding), for the acquisition and storage of information about statistical contingencies of features in the environment (priors), for the ultra-fast matching of priors with sensory evidence (predictive coding) and the segregation of stimulus specific activity vectors in high dimensional space (classification). In addition, the network dynamics allow for the generation of stimulus specific response sequences (temporal codes) and the superposition of information provided by sequentially presented stimuli (Fading memory). Simulations of such networks demonstrate the functional significance of the rich dynamics emerging from reciprocally coupled oscillators such as synchronisation, resonance, entrainment, phase shifts and reverberation. These computational principles differ from those realized in the multilayer feed forward architectures that characterize the deep learning networks currently used in AI systems. It is proposed that the remarkable differences between the performance of natural and artificial systems are mainly due to the fact that the former rely on analogue computation and exploit the temporal dimension as coding space. Saiba mais...