Japão destina ¥32 bilhões ao ARiSE para integrar a IA a todo o ciclo de pesquisa científica

31 projetos selecionados para repensar como a ciência é feita

A nova iniciativa ARiSE do Japão destinará ¥32 bilhões à pesquisa científica que usa inteligência artificial para formular hipóteses, planejar e realizar experimentos, analisar resultados e decidir o que investigar em seguida. A Agência Japonesa de Ciência e Tecnologia (JST) selecionou 31 projetos entre 203 propostas, com financiamento previsto para cerca de dois anos e meio, de outubro de 2026 a março de 2029.

O anúncio de seleção da JST, em 29 de setembro, confirma que 12 projetos foram escolhidos para a categoria de Alvos Estratégicos e 19 para a categoria Internacional e Interdisciplinar. Ao todo, 82 consultores participaram da análise dos documentos e das entrevistas. A pesquisa deve começar quando os contratos e outros preparativos estiverem concluídos, e não necessariamente na data do anúncio.

ARiSE significa AI to Redesign Scientific Exploration (IA para redesenhar a exploração científica). A ambição do programa vai além de usar IA para processar um conjunto de dados ou resumir artigos científicos. A iniciativa busca conectar o raciocínio digital a experimentos físicos, criando um ciclo contínuo no qual os resultados experimentais ajudam a IA a desenvolver hipóteses e projetos melhores.

A taxa geral de aprovação foi de cerca de 15,3%, calculada a partir de 31 propostas selecionadas entre 203 candidaturas. Na categoria de Alvos Estratégicos, foram aprovadas 12 de 70 propostas, cerca de 17,1%; na categoria Internacional e Interdisciplinar, 19 de 133, aproximadamente 14,3%. Esses números mostram a concorrência para participar, mas não indicam a classificação de cada projeto nem como os recursos serão distribuídos ao final.

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

Uma estratégia nacional toma forma

A ARiSE dá continuidade à estratégia do Ministério da Educação, Cultura, Esportes, 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 prioritário, destinado a concentrar investimentos em áreas nas quais os pontos fortes científicos do Japão possam gerar resultados competitivos internacionalmente, além de apoiar a colaboração com pesquisadores de destaque no exterior.

O Departamento de Promoção da Pesquisa do ministério publicou sua página com as diretrizes básicas da ARiSE em 16 de abril de 2026. A página inclui um link para um documento de diretrizes de 262 KB, mas não reproduz em seu texto as disposições detalhadas do documento.

A sequência entre a formulação da política e a seleção dos projetos foi relativamente compacta:

• 31 de março de 2026: O ministério adotou sua política estratégica básica para promover a IA para a Ciência.
• 16 de abril de 2026: O Departamento de Promoção da Pesquisa publicou a página com as diretrizes básicas da ARiSE.
• De 12 de maio a 30 de junho de 2026: A JST recebeu propostas de pesquisa.
• 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 a operação prevista da iniciativa.
• Março de 2029: Está previsto o encerramento do período atual de financiamento à pesquisa.

O presidente da JST, Kazuhito Hashimoto, argumenta que o Japão não pode competir com os Estados Unidos e a China apenas pelo volume de investimentos. A alternativa é priorizar áreas nas quais o país acumulou dados científicos valiosos, conhecimento especializado, capacidade experimental e experiência em robótica.

Há também uma preocupação com a dependência. Se os pesquisadores japoneses usarem apenas IA desenvolvida no exterior, tecnologias fundamentais e recursos computacionais poderão permanecer sob o controle de outros países. Por isso, a ARiSE combina o desenvolvimento de modelos nacionais com a cooperação internacional, em vez de tratar as duas coisas como opções concorrentes.

Duas categorias de financiamento com funções distintas

A categoria de Alvos Estratégicos apoia equipes maiores nas áreas de ciência dos materiais, ciências da vida e grandes instalações e equipamentos de pesquisa. Os 12 projetos selecionados incluem seis de materiais, quatro de ciências da vida e dois relacionados a grandes instalações ou equipamentos.

Os projetos de materiais estão divididos em três alvos. Os alvos 1-1 e 1-2 têm um projeto selecionado cada, com tetos aproximados de financiamento de ¥3 bilhões por projeto. O alvo 1-3 tem quatro projetos, com tetos de cerca de ¥1 bilhão cada. Os projetos de ciências da vida e de grandes instalações têm tetos aproximados de ¥2 bilhões por projeto. Esses valores são limites de financiamento, não montantes confirmados para cada equipe.

A categoria Internacional e Interdisciplinar está aberta a todas as áreas científicas. Ela apoia pesquisas que incorporam à IA teorias, leis e conhecimentos estruturais científicos, com financiamento normalmente fixado em ¥200 milhões por projeto. Quando necessário para atingir os objetivos, as propostas podem solicitar até ¥650 milhões.

Toda proposta deve reunir um pesquisador de IA e um pesquisador da área científica pertinente como líderes conjuntos. As equipes também precisam planejar desde o início suas necessidades computacionais, buscar colaboração internacional, estabelecer regras para compartilhar e proteger dados e tratar da segurança da pesquisa. Assim, a experiência científica e o planejamento da infraestrutura fazem parte do desenho da pesquisa, em vez de serem acrescentados depois da escolha de um modelo de IA.

Dados de materiais se tornam uma plataforma de pesquisa compartilhada

Um projeto central na área de materiais pretende conectar os dados de materiais acumulados pelo Japão a grandes modelos de linguagem nacionais e a sistemas especializados de IA. Dados e recursos de pesquisa desenvolvidos no âmbito do Instituto Nacional de Ciência dos Materiais (NIMS) devem ajudar a construir uma plataforma nacional de IA para materiais.

A plataforma proposta tem várias camadas conectadas: dados e ferramentas analíticas preparados para uso por IA, modelos fundamentais de materiais, agentes de IA para auxiliar na descoberta e no projeto, e equipamentos experimentais avançados. Um modelo fundamental é treinado de forma abrangente e pode servir de base para várias tarefas de pesquisa. Um agente de IA pode usar ferramentas e coordenar etapas para alcançar um objetivo definido.

O ciclo de pesquisa previsto começa com a IA propondo um material ou uma condição experimental. Em seguida, equipamentos conectados realizam o experimento, e os resultados alimentam o próximo projeto. O objetivo é disponibilizar essa capacidade a uma ampla comunidade de pesquisadores de materiais, e não restringi-la a algumas equipes com ampla experiência em IA.

Os três projetos selecionados da Universidade de Tohoku mostram como essa iniciativa nacional se conecta a programas de pesquisa específicos. O professor Yu Kumagai lidera uma plataforma para desenvolver materiais maciços e resistentes com IA, tendo os professores Goro Miyamoto e Motoki Shiga como líderes conjuntos da pesquisa.

Um segundo projeto de Tohoku trata da criação autônoma de materiais magnéticos e da compreensão de seus mecanismos por meio da colaboração entre pessoas e IA. A liderança é do professor Takafumi Hirohata, com Yuma Iwasaki, do NIMS, e o professor Kanta Ono, da Universidade de Osaka, como líderes conjuntos.

O terceiro projeto selecionado de Tohoku, na categoria Internacional e Interdisciplinar, é o Tsunami World Model. O professor Shunichi Koshimura o lidera com o professor Kentaro Inui e Yuichiro Usuda, do Instituto Nacional de Pesquisa em Ciências da Terra e Resiliência a Desastres. Sua inclusão mostra que a ARiSE vai além de materiais de laboratório e biologia, embora o anúncio da universidade não detalhe as capacidades previstas para o modelo.

Um modelo genômico que aprende com experimentos malsucedidos

O programa de ciências da vida inclui um modelo de linguagem genômica com aproximadamente quatro bilhões de parâmetros, concebido para abranger plantas, animais, seres humanos e microrganismos. Ao contrário de um modelo de linguagem convencional, treinado com palavras, um modelo de linguagem genômica aprende padrões em sequências de DNA para apoiar pesquisas sobre funções biológicas e projeto de genomas.

Parâmetros são os valores numéricos que um modelo ajusta durante o treinamento. O modelo planejado terá como base um modelo existente com aproximadamente sete bilhões de parâmetros. Esses números descrevem o tamanho dos modelos, não comprovam que o novo terá desempenho superior ao anterior. Seu valor científico dependerá dos dados biológicos, dos experimentos e do processo de aprendizado desenvolvidos em torno dele.

O projeto segue um ciclo de Design, Construção, Teste e Aprendizado. Os pesquisadores projetam uma sequência ou hipótese, produzem e testam o material em experimentos e, em seguida, devolvem os resultados ao modelo. Os resultados positivos, os experimentos malsucedidos e os recursos genéticos devem contribuir para o aprendizado posterior. Incluir os fracassos é importante porque um experimento sem sucesso pode ajudar a identificar projetos ou condições que não funcionam.

A proposta é que o modelo se torne um recurso compartilhado por pesquisadores das ciências da vida, com uso prático promovido pelo consórcio Bio-AGILE. A biossegurança e a segurança do modelo fazem parte explicitamente do projeto. Uma ferramenta capaz de apoiar o projeto biológico requer salvaguardas, além de melhorias na capacidade de previsão.

De instrumentos automatizados a uma instalação autônoma

O projeto para desenvolver uma instalação de pesquisa sem operadores reúne o Instituto de Ciência de Tóquio, a RIKEN e a Epistora. Segundo o anúncio do projeto feito pela Epistora, o professor Genki Kanda, do Instituto de Ciência de Tóquio, lidera a pesquisa. Os líderes conjuntos são Koichi Takahashi, diretor de projetos do programa de desenvolvimento de modelos fundamentais científicos da RIKEN, e Yosuke Ozawa, CEO da Epistora.

O projeto faz parte do Alvo Estratégico 3, que abrange a otimização de operações, automação, operação autônoma e melhorias no planejamento de experimentos e na análise de dados em grandes instalações de pesquisa. O objetivo é desenvolver e demonstrar agentes de IA e modelos fundamentais que conectem planos de pesquisa, equipamentos experimentais e os dados resultantes.

A diferença entre um instrumento automatizado e uma instalação autônoma é prática. Um robô pode realizar um experimento, mas as pessoas ainda podem precisar preparar os equipamentos, mover amostras, reabastecer suprimentos, programar o uso dos instrumentos e retomar as atividades após interrupções. A ARiSE pretende lidar também com essas tarefas ao redor do experimento, e não apenas com o experimento em si.

A instalação proposta tem três elementos conectados. Seus sistemas de informação cuidarão dos objetivos de pesquisa, das hipóteses, dos planos experimentais, das análises e das decisões sobre os experimentos seguintes. Os sistemas operacionais distribuirão equipamentos, tempo e materiais. Os sistemas físicos automatizarão o transporte, o reabastecimento e a retomada das atividades.

As pessoas supervisionariam o processo, em vez de gerenciar cada etapa individual. A instalação foi concebida para apoiar pesquisas contínuas sobre câncer, imunidade, vacinas, envelhecimento e medicina regenerativa. A Epistora afirma ter cerca de uma década de pesquisa envolvendo IA e robótica, incluindo trabalhos para otimizar as condições de transformação de células-tronco pluripotentes induzidas em células do epitélio pigmentado da retina. Essas células dão suporte à retina.

Kurohashi afirmou que as previsões para a chegada dessas instalações passaram de por volta de 2050 para 2040 e, depois, para cerca de 2030, à medida que a IA e a robótica avançam. Trata-se de uma estimativa em evolução, não de uma garantia de que uma instalação totalmente autônoma estará em operação antes do fim do período de financiamento da ARiSE, em março de 2029.

Teorias científicas passam a integrar a IA

A categoria Internacional e Interdisciplinar segue outro caminho para tornar a IA científica mais robusta. A abordagem de Ueda incorpora teorias científicas às estruturas, representações e princípios de aprendizado dos modelos, em vez de usar a teoria apenas como uma regra que limita um modelo convencional.

Entre os conhecimentos relevantes estão simetria, invariância, causalidade, condições de contorno e leis de escala. Em termos simples, esses conceitos descrevem relações que devem se manter quando um sistema muda, como causas se conectam a resultados e em quais condições um modelo científico se aplica. Incorporar esse conhecimento à IA deve melhorar seu raciocínio quando há poucos dados ou quando as condições diferem das encontradas durante o treinamento.

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

Outro projeto se concentra em estruturas metal-orgânicas (MOFs), materiais porosos estudados para usos como adsorção e separação de gases. Suas propriedades podem variar conforme as condições de síntese e experimentação. O projeto combina representações científicas em evolução, raciocínio contrafactual e feedback de pesquisadores para investigar como a mudança de uma condição pode alterar um resultado.

O raciocínio contrafactual pergunta o que aconteceria em uma condição diferente, em vez de apenas identificar padrões em observações existentes. Os pesquisadores avaliarão hipóteses e raciocínios e, em seguida, enviarão essas avaliações de volta à IA. Assim, esse projeto mantém a participação humana direta, enquanto o projeto da instalação sem operadores busca muito mais autonomia operacional.

Pesquisa sobre câncer vai além do reconhecimento de padrões

Um projeto independente sobre câncer combinará a estrutura dos tecidos, o formato das células, a expressão gênica e as interações entre células cancerosas, células imunológicas e outras células ao redor. O objetivo é desenvolver modelos capazes de raciocinar sobre os mecanismos da doença, em vez de apenas reconhecer características associadas ao câncer.

O trabalho conecta 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 a condição do tecido se altera. Examinar tanto o espaço quanto o tempo poderia ajudar os pesquisadores a investigar como o câncer se desenvolve em seu ambiente biológico.

Entre as aplicações previstas estão a descoberta de mecanismos da doença, a previsão do prognóstico e a exploração de tratamentos. Esses são resultados de pesquisa pretendidos. A seleção pela ARiSE não comprova eficácia clínica nem significa que uma ferramenta de diagnóstico ou tratamento esteja pronta para uso em pacientes.

Acesso à computação e compartilhamento influenciarão a execução

A ARiSE exige que as propostas incluam planos de computação porque o treinamento e a execução de modelos podem consumir uma parcela significativa dos recursos de pesquisa. A JST pretende combinar recursos de universidades, instituições públicas de pesquisa, empresas e RIKEN, além de permitir o uso de serviços comerciais de computação no exterior quando apropriado.

Os relatos divergem sobre o nome do supercomputador de IA da RIKEN considerado: um o identifica como RIKEN, enquanto o relato da sessão informativa de outubro o chama de 理究. O ponto em comum é a intenção de usar recursos computacionais nacionais em conjunto com outros recursos. Ainda não foi especificada a alocação definitiva de capacidade computacional para cada projeto.

O programa também pretende distribuir modelos, agentes, ferramentas e métodos de avaliação de utilidade ampla para além das equipes selecionadas. A JST planeja conexões com a rede acadêmica SINET e a infraestrutura de dados de pesquisa RDC do NII. O objetivo desses vínculos é tornar os resultados acessíveis a pesquisadores de todo o Japão e promover o intercâmbio entre os projetos de materiais, ciências da vida e instalações de pesquisa.

Compartilhar não significa publicar tudo. Dados ou resultados que precisem de proteção por motivos competitivos ou de segurança poderão permanecer confidenciais. Os requisitos de segurança da pesquisa se aplicam desde a seleção, enquanto o projeto do genoma também tem responsabilidades específicas de biossegurança e segurança do modelo.

Espera-se que os gestores do programa acompanhem o andamento e apoiem ajustes, incluindo a ampliação de tarefas de pesquisa, a inclusão de parceiros internacionais e a realização de eventos conjuntos. Essa flexibilidade responde ao risco de que um plano definido em 2026 esteja desatualizado em 2029. As informações disponíveis não estabelecem as datas de início de cada contrato, os valores finais das bolsas, a distribuição dos recursos computacionais nem um cronograma detalhado para a divulgação pública dos modelos.

O teste central será saber se os projetos conseguirão conectar os ativos científicos do Japão a sistemas de IA funcionais, experimentos reproduzíveis e recursos que outros pesquisadores possam efetivamente utilizar. A ARiSE aponta esse caminho, mas as descobertas prometidas, as capacidades autônomas e as plataformas compartilhadas ainda precisam ser desenvolvidas e demonstradas.

Principais pontos

• A ARiSE dispõe de ¥32 bilhões para o período aproximado de outubro de 2026 a março de 2029.
• A JST selecionou 31 projetos entre 203 propostas, uma taxa de aprovação de cerca de 15,3%.
• A categoria de Alvos Estratégicos tem 12 projetos; a categoria Internacional e Interdisciplinar tem 19.
• Entre as principais iniciativas estão uma plataforma de IA para materiais, um modelo genômico com aproximadamente quatro bilhões de parâmetros e uma instalação de pesquisa sem operadores.
• A pesquisa selecionada também abrange física matemática, MOFs, mecanismos do câncer e um Tsunami World Model.
• Computação nacional e infraestrutura de pesquisa compartilhada são prioridades, com uso de recursos no exterior permitido quando apropriado.
• As datas individuais de início dependem dos contratos e preparativos; instalações autônomas e aplicações científicas continuam sendo metas de desenvolvimento.