Explora como a IA está transformando o laboratório e a pesquisa básica, reduzindo o tempo de experimentação. Inclui o uso de ferramentas inteligentes para otimizar etapas como revisão sistemática da literatura e simulação molecular.

Focado na aplicação prática na indústria e desafios ambientais. Aborda algoritmos para processos de fontes renováveis, modelos para antecipação de falhas, gêmeos digitais e captura de carbono assistida por dados.

Propõe modelos híbridos como uma ponte entre abordagens fenomenológicas e data-driven, integrando conhecimento físico com aprendizado baseado em dados.

Debate o impacto da IA na jornada acadêmica e implicações éticas. Trata de IA generativa na escrita científica, novas competências curriculares e a transformação do mercado de trabalho.