Japão investe 32 mil milhões de ienes no ARiSE, integrando a IA em todo o ciclo de investigação científica

Selecionados 31 projetos para repensar a forma como se faz ciência

A nova iniciativa ARiSE do Japão vai investir 32 mil milhões de ienes na investigação científica que utiliza inteligência artificial para formular hipóteses, planear e realizar experiências, analisar resultados e decidir o que investigar a seguir. A Agência Japonesa de Ciência e Tecnologia (JST) selecionou 31 projetos entre 203 candidaturas, com financiamento previsto para cerca de dois anos e meio, de outubro de 2026 a março de 2029.

O anúncio de seleção de 29 de setembro da JST confirma que foram escolhidos 12 projetos na categoria de Objetivos Estratégicos e 19 na categoria Internacional e Interdisciplinar. Um total de 82 consultores participou na análise documental e nas entrevistas. A investigação deverá começar quando estiverem concluídos os contratos e outras preparações, e não automaticamente na data do anúncio.

ARiSE significa AI to Redesign Scientific Exploration (IA para Reformular a Exploração Científica). A ambição vai além de usar IA para processar um conjunto de dados ou resumir artigos científicos. O programa procura ligar o raciocínio digital a experiências físicas, criando um ciclo repetido em que os resultados experimentais ajudam a IA a desenvolver hipóteses e planos melhores.

A taxa global de seleção foi de cerca de 15,3%, calculada com base em 31 propostas aprovadas entre 203 candidaturas. Na categoria de Objetivos Estratégicos foram aceites 12 das 70 propostas, cerca de 17,1%, enquanto na categoria Internacional e Interdisciplinar foram aceites 19 das 133, cerca de 14,3%. Estes números mostram a concorrência para entrar no programa, embora não indiquem a classificação de cada projeto nem a distribuição final do financiamento.

O diretor do programa é Takafumi Aoki, vice-presidente executivo da Universidade de Tohoku. Sadao Kurohashi, diretor do Instituto Nacional de Informática (NII), supervisiona a categoria de Objetivos Estratégicos. Shunichi Ueda, vice-diretor do Centro de Projetos de Inteligência Avançada da RIKEN, supervisiona a categoria Internacional e Interdisciplinar.

Uma estratégia nacional ganha forma

A ARiSE dá seguimento à estratégia do Ministério da Educação, Cultura, Desporto, Ciência e Tecnologia para promover a IA para a Ciência, adotada em 31 de março de 2026. A JST descreve a iniciativa como um programa emblemático, destinado a concentrar o investimento nas áreas em que os pontos fortes científicos do Japão podem produzir resultados competitivos a nível internacional, apoiando também a colaboração com investigadores de referência no estrangeiro.

O Gabinete de Promoção da Investigação do ministério publicou a sua página sobre as orientações de base da ARiSE em 16 de abril de 2026. A página remete para um documento de orientação de 262 KB, mas não reproduz no texto as suas disposições pormenorizadas.

A sequência entre a elaboração da política e a seleção dos projetos foi relativamente rápida:

• 31 de março de 2026: O ministério adotou a sua política estratégica de base para promover a IA para a Ciência.
• 16 de abril de 2026: O Gabinete de Promoção da Investigação publicou a página sobre as orientações de base da ARiSE.
• 12 de maio a 30 de junho de 2026: A JST recebeu propostas de investigação.
• 29 de setembro de 2026: A JST anunciou os 31 projetos selecionados.
• 2 de outubro de 2026: A Universidade de Tohoku anunciou três projetos aprovados.
• 13 de outubro de 2026: A JST realizou uma sessão informativa sobre o contexto e o funcionamento previsto da iniciativa.
• Março de 2029: Está previsto o fim do atual período de financiamento da investigação.

O presidente da JST, Kazuhito Hashimoto, defende que o Japão não consegue competir com os Estados Unidos e a China apenas através do volume de investimento. A alternativa é concentrar-se em áreas em que o Japão acumulou dados científicos valiosos, conhecimentos especializados, capacidades experimentais e experiência em robótica.

A sua preocupação prende-se também com a dependência. Se os investigadores japoneses utilizarem apenas IA desenvolvida no estrangeiro, as tecnologias fundamentais e os recursos informáticos poderão continuar sob o controlo de outros países. Por isso, a ARiSE combina o desenvolvimento de modelos nacionais com a cooperação internacional, em vez de tratar estas opções como concorrentes.

Duas categorias de financiamento com funções distintas

A categoria de Objetivos Estratégicos apoia equipas de maior dimensão nas áreas da ciência dos materiais, das ciências da vida e das grandes instalações e equipamentos de investigação. Os 12 projetos selecionados incluem seis na área dos materiais, quatro nas ciências da vida e dois relacionados com grandes instalações ou equipamentos.

Os projetos de materiais estão distribuídos por três objetivos. Os Objetivos 1-1 e 1-2 têm, cada um, um projeto selecionado, com limites indicativos de financiamento de 3 mil milhões de ienes por projeto. O Objetivo 1-3 tem quatro projetos, com limites de cerca de mil milhões de ienes cada. Os projetos das ciências da vida e das grandes instalações têm limites indicativos de cerca de 2 mil milhões de ienes por projeto. Estes são limites de financiamento, não montantes confirmados para todas as equipas.

A categoria Internacional e Interdisciplinar está aberta a todas as áreas científicas. Apoia investigação que incorpore teorias, leis e conhecimentos estruturais científicos na IA, com financiamento normalmente fixado em 200 milhões de ienes por projeto. As propostas podem solicitar até 650 milhões de ienes quando tal for necessário para alcançar os seus objetivos.

Todas as propostas têm de reunir um investigador de IA e um investigador da área científica relevante como responsáveis conjuntos. As equipas têm também de planear as necessidades informáticas desde o início, promover a colaboração internacional, estabelecer regras para a partilha e proteção de dados e abordar a segurança da investigação. Estes requisitos integram a experiência científica e o planeamento de infraestruturas no desenho da investigação, em vez de os acrescentarem depois de escolhido um modelo de IA.

Os dados sobre materiais tornam-se uma plataforma de investigação partilhada

Um projeto central na área dos materiais pretende ligar os dados sobre materiais acumulados pelo Japão a grandes modelos linguísticos nacionais e a sistemas de IA especializados. Os dados e recursos de investigação desenvolvidos em torno do Instituto Nacional de Ciência dos Materiais (NIMS) deverão contribuir para a criação de uma plataforma nacional de IA para os materiais.

A plataforma proposta tem várias componentes interligadas: dados e ferramentas analíticas preparados para utilização por IA, modelos de base para materiais, agentes de IA que ajudam na descoberta e conceção e equipamento experimental avançado. Um modelo de base é um modelo treinado de forma abrangente, que pode servir de ponto de partida para várias tarefas de investigação. Um agente de IA pode utilizar ferramentas e coordenar etapas para alcançar um objetivo definido.

O ciclo de investigação previsto começa com a proposta, pela IA, de um material ou de uma condição experimental. O equipamento ligado realiza depois a experiência e os resultados são integrados na conceção seguinte. O objetivo é disponibilizar esta capacidade a uma comunidade alargada de investigadores de materiais, em vez de a restringir a algumas equipas com vasta experiência em IA.

Os três projetos selecionados da Universidade de Tohoku mostram como este esforço nacional se articula com programas de investigação concretos. O professor Yu Kumagai lidera uma plataforma para desenvolver materiais maciços duros com recurso à IA, tendo os professores Goro Miyamoto e Motoki Shiga como responsáveis conjuntos pela investigação.

Um segundo projeto de Tohoku centra-se na criação autónoma de materiais magnéticos e na compreensão dos seus mecanismos, através da cooperação entre pessoas e IA. É liderado pelo professor Takafumi Hirohata, com Yuma Iwasaki, do NIMS, e o professor Kanta Ono, da Universidade de Osaka, como responsáveis conjuntos.

O terceiro projeto selecionado de Tohoku, na categoria Internacional e Interdisciplinar, é o Tsunami World Model. O professor Shunichi Koshimura lidera-o, juntamente com o professor Kentaro Inui e Yuichiro Usuda, do Instituto Nacional de Investigação em Ciências da Terra e Prevenção de Catástrofes. A sua inclusão demonstra que a ARiSE vai além dos materiais de laboratório e da biologia, embora o anúncio da universidade não detalhe as capacidades previstas do modelo.

Um modelo genómico que aprende com experiências falhadas

O programa das ciências da vida inclui um modelo linguístico do genoma com cerca de quatro mil milhões de parâmetros, concebido para abranger plantas, animais, seres humanos e microrganismos. Ao contrário de um modelo linguístico convencional, treinado com palavras, um modelo linguístico do genoma aprende padrões nas sequências de ADN para apoiar a investigação sobre a função biológica e a conceção do genoma.

Os parâmetros são os valores numéricos que um modelo ajusta durante o treino. O modelo previsto partirá de um modelo existente com cerca de sete mil milhões de parâmetros. Estes valores descrevem a dimensão dos modelos, mas não provam que o novo modelo terá melhor desempenho do que o anterior. O seu valor científico dependerá dos dados biológicos, das experiências e do processo de aprendizagem que o sustentarem.

O projeto utiliza um ciclo de Conceção, Construção, Teste e Aprendizagem. Os investigadores concebem uma sequência ou hipótese, produzem-na e testam-na experimentalmente e, em seguida, devolvem os resultados ao modelo. Os resultados bem-sucedidos, as experiências falhadas e os recursos genéticos deverão contribuir para a aprendizagem subsequente. A inclusão das falhas é importante, pois uma experiência mal sucedida pode ajudar a identificar as conceções ou condições que não funcionam.

Pretende-se que o modelo venha a ser um recurso partilhado pelos investigadores das ciências da vida, com aplicação prática através do consórcio Bio-AGILE. A biossegurança e a segurança do modelo fazem parte explícita do trabalho. Uma ferramenta capaz de apoiar a conceção biológica exige medidas de proteção, a par de melhorias na capacidade de previsão.

De instrumentos automatizados a uma instalação autónoma

O projeto de desenvolvimento de uma instalação de investigação não tripulada reúne o Instituto de Ciência de Tóquio, a RIKEN e a Epistora. Segundo o anúncio do projeto da Epistora, a investigação é liderada pelo professor Genki Kanda, do Instituto de Ciência de Tóquio. Os responsáveis conjuntos são Koichi Takahashi, diretor de projeto no programa de desenvolvimento de modelos de base científicos da RIKEN, e Yosuke Ozawa, diretor executivo da Epistora.

O projeto integra o Objetivo Estratégico 3, que abrange a otimização da operação, a automatização, a operação autónoma e melhorias no planeamento de experiências e na análise de dados em grandes instalações de investigação. Irá desenvolver e demonstrar agentes de IA e modelos de base que liguem os planos de investigação, o equipamento experimental e os dados resultantes.

A distinção entre um instrumento automatizado e uma instalação autónoma é prática. Um robô pode realizar uma experiência, mas as pessoas poderão ainda ter de preparar o equipamento, transportar amostras, reabastecer consumíveis, agendar a utilização dos instrumentos e resolver interrupções. A ARiSE pretende tratar também dessas tarefas, além da própria experiência.

A instalação proposta tem três componentes interligadas. Os sistemas de informação tratarão dos objetivos de investigação, das hipóteses, dos planos experimentais, da análise e das decisões sobre as experiências seguintes. Os sistemas operacionais distribuirão equipamento, tempo e materiais. Os sistemas físicos automatizarão o transporte, o reabastecimento e a recuperação de interrupções.

As pessoas supervisionariam o processo, em vez de gerirem cada etapa individualmente. A instalação deverá apoiar a investigação contínua sobre cancro, imunidade, vacinas, envelhecimento e medicina regenerativa. A Epistora afirma ter cerca de uma década de investigação em IA e robótica, incluindo trabalho para otimizar as condições de transformação de células estaminais pluripotentes induzidas em células do epitélio pigmentado da retina. Estas células dão suporte à retina.

Kurohashi afirmou que, à medida que a IA e a robótica avançam, as expectativas para instalações deste tipo estão a passar de cerca de 2050 para 2040 e, depois, para perto de 2030. Trata-se de uma estimativa em evolução, não de uma garantia de que uma instalação totalmente autónoma estará operacional antes do fim do período de financiamento da ARiSE, em março de 2029.

A teoria científica passa a integrar a IA

A categoria Internacional e Interdisciplinar segue um caminho diferente para tornar a IA científica mais robusta. A abordagem de Ueda incorpora a teoria científica nas estruturas, representações e princípios de aprendizagem dos modelos, em vez de a utilizar apenas como uma regra que limita um modelo convencional.

Os conhecimentos relevantes incluem simetria, invariância, causalidade, condições de fronteira e leis de escala. Em termos acessíveis, descrevem relações que se devem manter quando um sistema muda, a forma como as causas se ligam aos resultados e as condições em que se aplica um modelo científico. Pretende-se que a integração destes conhecimentos na IA melhore o raciocínio quando os dados são escassos ou as condições diferem das encontradas durante o treino.

Um dos projetos selecionados combina física matemática e IA para formular hipóteses científicas e verificar a sua validade com base em teorias matemáticas e físicas. O objetivo é reduzir a distância entre produzir uma afirmação plausível e estabelecer se está correta. A verificação autónoma é um objetivo de investigação, não uma capacidade já demonstrada pelo programa.

Outro projeto centra-se nos metal-organic frameworks (MOFs), materiais porosos estudados para aplicações como a adsorção e separação de gases. As suas propriedades podem variar consoante as condições de síntese e experimentação. O projeto combina representações científicas dinâmicas, raciocínio contrafactual e contributos dos investigadores para explorar como a alteração de uma condição pode modificar um resultado.

O raciocínio contrafactual pergunta o que aconteceria sob uma condição diferente, em vez de se limitar a identificar padrões em observações existentes. Os investigadores avaliarão as hipóteses e o raciocínio e, depois, integrarão essas avaliações na IA. Este projeto mantém, portanto, a participação humana direta, enquanto o projeto da instalação não tripulada procura alcançar muito maior autonomia operacional.

A investigação do cancro vai além do reconhecimento de padrões

Um projeto distinto sobre o cancro irá combinar a estrutura dos tecidos, a forma das células, a expressão génica e as interações entre células cancerígenas, células imunitárias e outras células circundantes. O objetivo é criar modelos que raciocinem sobre os mecanismos da doença, em vez de apenas reconhecerem características associadas ao cancro.

O trabalho liga dois níveis de observação. A partir da organização de um tecido, o modelo inferiria o comportamento de células individuais. Com base nesses comportamentos, preveria como muda o estado do tecido. A análise do espaço e do tempo poderá ajudar os investigadores a estudar o desenvolvimento do cancro no seu ambiente biológico envolvente.

As aplicações previstas incluem a descoberta de mecanismos da doença, a previsão do prognóstico e a exploração de tratamentos. São resultados de investigação propostos. A seleção para a ARiSE não comprova a eficácia clínica nem significa que exista um instrumento de diagnóstico ou tratamento pronto para os doentes.

O acesso à computação e a partilha moldarão a execução

A ARiSE exige planos informáticos na fase de candidatura, uma vez que o treino e a utilização de modelos podem consumir uma parte substancial do financiamento da investigação. A JST pretende combinar recursos de universidades, instituições públicas de investigação, empresas e RIKEN, permitindo também, quando apropriado, o recurso a serviços comerciais de computação no estrangeiro.

As fontes divergem quanto ao nome do supercomputador de IA da RIKEN que está a ser considerado: uma identifica-o como RIKEN, enquanto o relato da sessão informativa de outubro lhe chama 理究. O ponto comum é a intenção de utilizar recursos informáticos nacionais em conjunto com outros. Ainda não foi especificada a distribuição final da capacidade de computação pelos projetos.

O programa pretende também disponibilizar modelos, agentes, ferramentas e métodos de avaliação de utilidade geral para além das equipas selecionadas. A JST planeia estabelecer ligações à rede académica SINET do NII e à infraestrutura de dados de investigação NII RDC. Estas ligações destinam-se a tornar os resultados acessíveis a investigadores de todo o Japão e a apoiar o intercâmbio entre os projetos de materiais, ciências da vida e instalações.

A partilha não significa que tudo será publicado. Os dados ou resultados que exijam proteção por motivos de concorrência ou segurança poderão permanecer confidenciais. Os requisitos de segurança da investigação aplicam-se desde a seleção, enquanto o projeto do genoma tem também responsabilidades específicas em matéria de biossegurança e segurança do modelo.

Espera-se que os responsáveis pelo programa acompanhem os progressos e apoiem ajustamentos, incluindo a expansão das tarefas de investigação, a inclusão de novos parceiros internacionais e a realização de eventos conjuntos. Esta flexibilidade responde ao risco de um plano fixado em 2026 estar desatualizado em 2029. A informação disponível não especifica as datas de início dos contratos individuais, os montantes finais das subvenções, as dotações informáticas nem um calendário detalhado para a divulgação pública dos modelos.

O principal teste será saber se os projetos conseguem ligar os recursos científicos do Japão a sistemas de IA funcionais, experiências reproduzíveis e recursos efetivamente úteis para outros investigadores. A ARiSE aponta nessa direção, mas as descobertas prometidas, as capacidades autónomas e as plataformas partilhadas ainda terão de ser desenvolvidas e demonstradas.

Pontos principais

• A ARiSE dispõe de 32 mil milhões de ienes para o período aproximado entre outubro de 2026 e março de 2029.
• A JST selecionou 31 projetos entre 203 candidaturas, uma taxa de aprovação de cerca de 15,3%.
• A categoria de Objetivos Estratégicos inclui 12 projetos; a categoria Internacional e Interdisciplinar inclui 19.
• Entre as principais iniciativas estão uma plataforma de IA para materiais, um modelo genómico com cerca de quatro mil milhões de parâmetros e uma instalação de investigação não tripulada.
• A investigação selecionada abrange também física matemática, MOFs, mecanismos do cancro e um Tsunami World Model.
• O acesso a recursos informáticos nacionais e a infraestruturas de investigação partilhadas são prioridades, podendo recorrer-se a recursos estrangeiros quando apropriado.
• As datas de início de cada projeto dependem dos contratos e das preparações; as instalações autónomas e as aplicações científicas continuam a ser objetivos de desenvolvimento.