COEXUM AI — Laboratório de Pesquisa em IA

Produto Principal · COEXUM AI

QUIMERA

QUIMERA é o modelo de inteligência artificial da COEXUM AI, desenvolvido para operar como sistema cognitivo de alta capacidade. Processa grandes volumes de dados complexos, integra múltiplas modalidades e entrega raciocínio estruturado para desafios críticos da indústria, do governo, da ciência e do setor empresarial.

Pesquisa Científica

Auxílio avançado em descoberta e análise científica acelerada

Multimodalidade

Texto, imagem, vídeo, dados estruturados e sensoriais integrados

Raciocínio Avançado

Sistema de raciocínio estruturado para problemas complexos

Indústria e Governo

Soluções aplicadas a setores produtivos, setor público e cadeias críticas

Aplicações Verticais

QUIMERA aplicado a setores críticos

Indústria 4.0/5.0

Automação cognitiva, manutenção preditiva e otimização de cadeias produtivas

Governo e Setor Público

Gestão de dados governamentais e tomada de decisão baseada em evidências

Agronegócio

Agricultura de precisão, robótica agrícola e otimização de recursos hídricos

Pesquisa Científica

Aceleração de descobertas, análise de literatura e design de experimentos

Saúde

Diagnóstico assistido por IA, análise de imagens médicas e gestão hospitalar

Energia

Otimização de redes elétricas e gestão de energia renovável em escala

Jurídico e Compliance

Análise de contratos, pesquisa jurídica automatizada e gestão regulatória

Educação

Tutores cognitivos personalizados e aceleração do aprendizado técnico

Pesquisa Científica

QUIMERA em publicação científica

Artigo de pesquisa que propõe e formaliza a arquitetura teórica do QUIMERA aplicada à descoberta de fármacos biomédicos.

Artigo Científico Artigo — Quimera: Um LLM Aumentado por Grafo de Conhecimento para Geração de Hipóteses Biomédicas

GraphRAG Descoberta de Fármacos GNN Biomédica

Quimera: Um LLM Aumentado por Grafo de Conhecimento para a Geração de Hipóteses Biomédicas

Abimael Nonato Soares da C. Silva — Computer Engineer / Artificial Intelligence Researcher · Mossoró, Rio Grande do Norte, Brasil

Resumo

A descoberta de fármacos moderna enfrenta um desafio central na síntese de vastos e heterogêneos conjuntos de dados biomédicos, um obstáculo que retarda a inovação e inflaciona os custos. O Quimera introduz uma arquitetura multimodal de ponta a ponta baseada em Geração Aumentada por Recuperação em Grafos (GraphRAG), projetada para gerar hipóteses mecanisticamente plausíveis e verificáveis para a descoberta e reposicionamento de fármacos. As inovações centrais incluem um pipeline automatizado para construção de grafo de conhecimento biomédico a partir de fontes como PubMed, DrugBank, UniProt e ClinicalTrials.gov, e um módulo de raciocínio com Rede Neural de Grafos (GNN) que fundamenta todas as hipóteses em evidências rastreáveis. Propõe-se avaliação rigorosa nos benchmarks BLURB e BioASQ, com projeção de superação significativa das abordagens de RAG padrão. Este trabalho representa uma contribuição teórica para a farmacologia computacional e para o campo da IA fundamentada em conhecimento.

Estrutura Organizacional

10 departamentos.
Uma visão unificada.

Uma organização estruturada como laboratório de inovação de alto desempenho, integrando pesquisa fundamental, engenharia avançada e entrega de soluções para clientes industriais, corporativos e governamentais em um ciclo contínuo de excelência.

Pesquisa Fundamental em IA

Arquiteturas proprietárias, teoria avançada de IA, scaling laws e exploração de fronteiras em raciocínio, memória e aprendizado contínuo. Base científica que alimenta todas as soluções do laboratório.

ArquiteturasTeoriaPublicações

Robótica Avançada

Robótica cognitiva integrada ao QUIMERA, sistemas autônomos para manufatura, agronegócio, logística, defesa e exploração em ambientes críticos. Hardware e software desenvolvidos internamente.

CognitivaSwarmsHardware

Modelos e Produtos (QUIMERA)

Evolução contínua do QUIMERA e desenvolvimento de modelos especializados por verticais: saúde, energia, jurídico, finanças, agronegócio e setor público. Agentes autônomos para automação de processos críticos.

LLMsAgentesMultimodal

Infraestrutura e HPC

Cluster de GPUs/TPUs, plataformas de treinamento e inferência em escala, edge computing, 5G/6G privado e soberania de dados.

GPU/TPUCloud HíbridoSegurança

Engenharia de Sistemas

Software embarcado, hardware robótico (braços, drones, veículos autônomos, humanoides) e integração brain-to-body entre QUIMERA e hardware físico.

HardwareIntegraçãoCampo

Educação, Talentos e Ecossistema

Formação técnica avançada, parcerias universitárias no RN e Nordeste, e atração de talentos internacionais para o ecossistema regional.

AcademyTalentosOpen Source

Estratégia, Parcerias e Impacto

Desenvolvimento de parcerias estratégicas com governo federal e estadual, indústrias âncora e universidades. Captação via FINEP, BNDES, fundos de VC deep-tech e contratos de P&D aplicado.

GovernançaFINEPParcerias

Safety e Alignment

Redução de comportamentos perigosos, alinhamento humano via RLHF, red teaming e governança responsável de IA. Sem isso, o risco reputacional é crítico.

RLHFRed TeamingÉtica

Data e Curadoria

Coleta, curadoria e anotação de datasets. Human feedback e avaliação contínua. Qualidade de dados como fundamento da qualidade dos modelos.

DatasetsAnotaçãoCuradoria

Evaluation e Benchmarking

Testes de performance, comparação entre modelos, métricas internas e benchmarks que definem quando um modelo está pronto, fechando o ciclo de melhoria contínua.

PerformanceBenchmarksMétricas

COEXUM Academy

O braço educacional
da COEXUM AI

Formar os melhores talentos em IA de fronteira e integrá-los diretamente aos projetos reais da COEXUM AI e aos parceiros industriais e governamentais do laboratório.

Escola 01

IA Fundamental

Base matemática e computacional. ML, Deep Learning, teoria e fundamentos.

Escola 02

Sistemas Inteligentes

LLMs, engenharia de agentes e sistemas multimodais avançados.

Escola 03

Infraestrutura e Escala

Cloud, TPU, MLOps, otimização e deploy de modelos em produção.

Escola 04

Robótica Avançada

Sistemas autônomos, cognitivos e integração hardware-software.

Programa

Fellows de Pesquisa

Residência em IA, estágio de elite com projetos reais da COEXUM AI.

Programa

Talentos Internacionais

Atração de pesquisadores globais para o Rio Grande do Norte.

Grade Curricular

Derivamos algoritmos antes de aplicá-los. O egresso não é usuário de ferramentas — é arquiteto de sistemas inteligentes.

2k+

Horas

Níveis

30+

Projetos

Base

Núcleo Teórico

I–III

Fundamentos

IA Clássica

Arsenal

Machine Learning

Teoria

Avançado

1.230h

Fronteira

01 / HISTÓRIA & FILOSOFIA~40h

Fundamentos Epistemológicos da IA

De Turing e o Teste de Imitation Game até os ciclos de AI winters, AGI e emergência. Filosofia da mente, problema difícil da consciência e implicações éticas de sistemas autônomos.

TuringAI WintersÉticaConsciência

02 / TEORIA DOS GRAFOS~60h

Matemática Discreta e Algoritmos de Rede

Provas formais por indução e contradição. Grafos direcionados, BFS/DFS, árvores geradoras mínimas e caminhos de custo ótimo — derivados analiticamente, não apenas aplicados.

Dijkstra: O((|V|+|E|) · log|V|) — relaxamento de arestas por heap

Provas FormaisBFS/DFSDijkstraMST

Projeto — Implementação do ZeroDijkstra com heap binário, análise empírica de complexidade e visualização do grafo de expansão.

03 / TEORIA DA INFORMAÇÃO~50h

Análise Real, Convexidade e Métricas de Informação

Convergência de sequências, funções convexas e o papel central da entropia no aprendizado. Divergência KL como fundamento da estimação de densidade e cross-entropy loss.

H(X) = -Σ p(x)·log p(x) | KL(P‖Q) = Σ p·log(p/q) ≥ 0

EntropiaDivergência KLConvexidadeCross-Entropy

04 / COMPUTABILIDADE~45h

Lógica Formal e Limites da Computação

Lógica de primeira ordem, unificação e resolução. Máquinas de Turing universais, indecidibilidade do Halting Problem e as fronteiras teóricas que todo engenheiro de IA precisa conhecer.

P ⊆ NP — decidir se P = NP é o maior problema aberto em CS

Lógica FOLTuringHaltingP vs NP

01 / ÁLGEBRA LINEAR APLICADA~80h

Matemática da Inteligência

SVD como ferramenta universal: compressão, PCA e recomendação. Cálculo vetorial multi-variável, gradientes e otimização de primeira ordem — sem bibliotecas como muleta.

θ_{t+1} = θ_t − η·∇_θ J(θ_t) — Gradiente Descendente

SVDAutovetoresJacobianaHessiana

Projeto — Regressão do ZeroRegressão linear e logística via gradient descent implementados em NumPy puro, com análise de convergência.

02 / AIMA — RUSSELL & NORVIG~100h

Paradigmas Clássicos de Agentes Racionais

Busca heurística com A* e garantias de otimalidade. Busca adversarial com Minimax e poda Alpha-Beta. CSPs com arc-consistency (AC-3). Fundação para agentes modernos.

f(n) = g(n) + h(n) — A* é ótimo se h(n) for admissível

A*Alpha-BetaCSP / AC-3Heurísticas

03 / RACIOCÍNIO SIMBÓLICO~70h

Representação do Conhecimento e Planejamento

Lógica proposicional e de primeira ordem aplicada à representação de mundos. Unificação, encadeamento e linguagens de planejamento como PDDL para agentes com objetivos explícitos.

PDDL: (:action move :precondition (at ?x) :effect (not (at ?x)))

PDDLUnificaçãoResolutionOntologias

01 / ML CLÁSSICO~120h

Motores Estatísticos do Aprendizado

SVM com kernel trick e margem máxima derivada formalmente. K-Means com análise de convergência. PCA via decomposição espectral. Validação cruzada k-fold e métricas além da accuracy.

SVM: max 2/||w|| s.t. y_i(w·x_i + b) ≥ 1 ∀i

SVM / KernelK-MeansPCAK-Fold CVROC-AUC

02 / DEEP LEARNING~180h

Redes Neurais — Do Perceptron ao Transformer

Backpropagation derivado via regra da cadeia. CNNs para visão com receptive fields e weight sharing. RNNs/LSTMs com análise do vanishing gradient. Introdução a Transformers. PyTorch e TensorFlow.

∂L/∂w = ∂L/∂a · ∂a/∂z · ∂z/∂w — Chain Rule / Backprop

BackpropCNNsLSTMsAttentionPyTorch

Projeto — CNN do ZeroImplementação de rede convolucional em PyTorch puro para classificação, com visualização de feature maps.

01 / OTIMIZAÇÃO~90h

Métodos de Otimização para ML

Otimização proximal, regularização LASSO/Ridge com geometria de esparsidade. Dualidade de Lagrange e condições KKT para entender SVMs e otimização constrita em profundidade.

KKT: ∇f + Σλ_i∇g_i = 0, λ_i·g_i = 0, λ_i ≥ 0

LASSORidgeKKTAdam / RMSProp

02 / TEORIA ESTATÍSTICA~80h

Fundamentos Teóricos da Generalização

Por que um modelo generaliza? Dimensão VC, complexidade de Rademacher e o framework PAC fornecem garantias teóricas formais — a base para entender overfitting além da intuição.

PAC: P[|R(h) - R_emp(h)| > ε] ≤ 2|H|·e^{-2mε²}

Dimensão VCRademacherPACBias-Variance

03 / INFERÊNCIA BAYESIANA~90h

Modelos Probabilísticos Profundos

MCMC para amostrar distribuições intratáveis. Inferência Variacional com ELBO como alternativa escalável. VAEs como unificação de redes neurais e modelos generativos probabilísticos.

ELBO = E_q[log p(x|z)] - KL(q(z|x) ‖ p(z))

MCMCELBOVAEVariational

Projeto — VAE GenerativoImplementação de VAE em PyTorch para geração de imagens, com visualização do espaço latente.

Infraestrutura

Infraestrutura Sustentável para
IA de Alta Performance.

Na COEXUM AI, acreditamos que o avanço da inteligência artificial deve estar alinhado com responsabilidade ambiental e eficiência energética. Todos os nossos planos são concebidos para operar integralmente com 100% de energia renovável, garantindo que nossas atividades de pesquisa, treinamento e inferência sejam sustentáveis desde a base computacional.

Treinamento de modelos avançadosLLMs e sistemas multimodais com alta demanda de GPU/TPU, operando sobre matriz energética limpa.

Inferência em tempo realBaixa latência e alta escalabilidade para aplicações críticas em produção.

Operação contínua de laboratórioExperimentação, prototipagem e validação de modelos em ciclo ininterrupto.

Energia Solar

Painéis fotovoltaicos

Energia Eólica

Turbinas de alto rendimento

Outras Renováveis

Matriz diversificada

COEXUM AI não está apenas desenvolvendo tecnologia de ponta — estamos definindo um novo padrão para como a IA deve ser construída.

Infraestrutura Soberana · Roadmap 2026–2030

Data Centers & Cluster de
Alta Performance.

Arquitetura computacional própria, projetada para treinamento e inferência de modelos de fronteira em escala. Cada decisão, do silício à matriz energética, otimizada para soberania de dados, determinismo de latência e densidade térmica sustentável.

Fase 01 · Design & Sizing

Start · Q2.26 Go-live · 2028

Cluster Principal

NODE-01 / PRIMARY

Cluster de GPUs/TPUs de Alta Densidade

H200 · B200Aceleradores

InfiniBand 800GFabric NDR

Liquid CooledDirect-to-Chip

Laboratório Físico & Ambientes Controlados

Tier IV-ready ISO 27001 PUE ≤ 1.20 N+1 elétrico

Arquitetura de Referência

Stack computacional desenhado camada a camada para treinar modelos de fronteira.

design in progress · ref v0.3

L01Compute Fabric

NVLink intra-nó e InfiniBand NDR em topologia spine-leaf não bloqueante. RDMA fim-a-fim para coletivas de treinamento distribuído.

L02Storage Tier

Parallel file system NVMe-oF com throughput sustentado para datasets de petabytes. Tiering automático hot · warm · cold.

L03Orchestration

Scheduler próprio sobre Kubernetes + Slurm híbrido. Checkpointing assíncrono, preempção topology-aware e fault-tolerant training.

L04Power & Thermal

PPA 100% renovável, subestação dedicada, redundância N+1 e dissipação direct-to-chip com reaproveitamento de calor residual.

01 · ENERGY

100%

Matriz Renovável

02 · EFFICIENCY

≤1.20

PUE Projetado

03 · FABRIC

800Gbps

Interconexão InfiniBand

04 · UPTIME

24/7

Operação Contínua

Roadmap de Implantação

4 fases · horizonte 2026 → 2030

Active

Fase 01

2026

Design & Sizing

Arquitetura de referência, especificação de hardware, seleção de sítio e negociação do PPA energético.

Planned

Fase 02

2027

Obra Civil & Energia

Construção do campus, subestação dedicada, sistemas de refrigeração líquida e bloco modular inicial.

Planned

Fase 03

2028

Cluster Go-Live

Comissionamento do primeiro bloco de GPUs/TPUs, validação do fabric, burn-in e release gradual para workloads de pesquisa.

Vision

Fase 04

2030

Escala & Soberania

Expansão multi-site, capacidade para modelos de trilhões de parâmetros e oferta de compute soberano ao ecossistema brasileiro.

CEO & Fundador

Abimael Silva Fundador & CEO · Pesquisador em IA

Formação

Eng. da Computação · 2024

Atuação

Pesquisador em Inteligência Artificial

Início na ciência

Aos 17 anos · Biotecnologia

Localização

Mossoró · RN · Brasil

Uma das promessas da nova geração em tecnologia no Brasil.

Engenheiro de Computação formado em 2024 e pesquisador em Inteligência Artificial, Abimael Silva iniciou sua trajetória científica aos 17 anos em projetos de biotecnologia, incluindo desenvolvimento de materiais bioativos e soluções inovadoras na área da saúde. Desde então, expandiu sua atuação para inteligência artificial, computação avançada e neurotecnologia.

Com domínio em desenvolvimento full stack, cloud computing e machine learning, atua na construção de soluções que integram IA generativa, visão computacional e sistemas adaptativos, aplicados à educação, cidades inteligentes e análise preditiva.

Atualmente aprofunda sua pesquisa em modelos de linguagem, sistemas multimodais e interfaces cérebro-máquina, buscando desenvolver tecnologias capazes de acelerar a descoberta científica e transformar a sociedade.

IA Generativa LLMs & Multimodal Visão Computacional Neurotecnologia Full Stack Cloud Computing Machine Learning Interfaces Cérebro-Máquina

COEXUM AI

Laboratório avançado de P&D em inteligência artificial, focado na criação de sistemas inteligentes de alto desempenho para indústria, governo e ciência.

Mentes Inovadoras School

Edtech voltada à formação de jovens talentos em áreas de deep tech, preparando a próxima geração de líderes em tecnologia no Brasil.

Um laboratório dedicado a expandir os limites da inteligência — humana e artificial.

A inteligência que resolve os desafios reais do Brasil

QUIMERA aplicado a setores críticos

QUIMERA em publicação científica

Quimera: Um LLM Aumentado por Grafo de Conhecimento para a Geração de Hipóteses Biomédicas

O ciclo fechado de inovação da COEXUM AI

Sistemas que raciocinam, planejam e aprendem.

10 departamentos.
Uma visão unificada.

O braço educacional
da COEXUM AI

Nossa missão
começa onde
tudo começa:
o Nordeste.

Infraestrutura Sustentável para
IA de Alta Performance.

Data Centers & Cluster de
Alta Performance.

O que nos
separa do resto.

Uma das promessas da nova geração em tecnologia no Brasil.

A equipe por trás da COEXUM AI.

Um laboratório dedicado a expandir os limites da inteligência — humana e artificial.

A inteligência que resolve os desafios reais do Brasil

QUIMERA aplicado a setores críticos

QUIMERA em publicação científica

Quimera: Um LLM Aumentado por Grafo de Conhecimento para a Geração de Hipóteses Biomédicas

O ciclo fechado de inovação da COEXUM AI

Sistemas que raciocinam, planejam e aprendem.

10 departamentos.Uma visão unificada.

O braço educacionalda COEXUM AI

Nossa missãocomeça ondetudo começa:o Nordeste.

Infraestrutura Sustentável paraIA de Alta Performance.

Data Centers & Cluster deAlta Performance.

O que nossepara do resto.

Uma das promessas da nova geração em tecnologia no Brasil.

A equipe por trás da COEXUM AI.

10 departamentos.
Uma visão unificada.

O braço educacional
da COEXUM AI

Nossa missão
começa onde
tudo começa:
o Nordeste.

Infraestrutura Sustentável para
IA de Alta Performance.

Data Centers & Cluster de
Alta Performance.

O que nos
separa do resto.