Kolmogorov-Arnold Networks (KAN) para Modelagem de Conversores CC-CC

Machine Learning
Identificação de Sistemas
Eletrônica de Potência
Disponível
Avaliação exploratória de Kolmogorov-Arnold Networks como alternativa às redes neurais tradicionais (MLP) para identificação da dinâmica não linear de conversores CC-CC.
Data de Publicação

14 de julho de 2026

Objetivos

As Kolmogorov-Arnold Networks (KAN) foram propostas recentemente como alternativa às redes MLP tradicionais, substituindo pesos fixos com ativação fixa nos nós por funções de ativação aprendíveis nas arestas — com potencial ganho de interpretabilidade. Este é um tema identificado como lacuna de pesquisa no grupo (ver Pesquisa), ainda sem projeto público consolidado. Objetivos:

  • Estudar a formulação das KAN e suas vantagens/desvantagens alegadas frente a MLPs, em particular quanto à interpretabilidade;
  • Implementar uma KAN para identificação da dinâmica de um conversor Buck ou Boost, a partir dos dados já disponíveis nos repositórios ControleBuck e IC-DataDrive;
  • Comparar desempenho de predição multi-passo e custo computacional (treinamento e inferência) frente a uma MLP e a um modelo LSTM (referência: Identificacao);
  • Investigar se a estrutura da KAN permite extrair uma expressão simbólica aproximada da dinâmica do conversor.

Pré-requisitos

  • Aprendizagem de Máquina / Deep Learning (fundamentos de redes neurais);
  • Identificação de Sistemas;
  • Programação em Python (PyTorch; há implementações de referência de KAN em código aberto).

Estrutura Sugerida para o Grupo Autogerenciado

  • Reuniões semanais do grupo, com reunião quinzenal com o orientador;
  • Entregáveis mensais: notebook com os experimentos, métricas de predição e comparação entre arquiteturas testadas (KAN vs. MLP vs. LSTM);
  • Ferramentas: repositório Git compartilhado, ambiente com GPU (Google Colab ou cluster local, conforme disponibilidade);
  • Divisão sugerida: um membro focado na preparação dos dados a partir dos repositórios existentes, outro na implementação/treinamento da KAN, outro na comparação com as arquiteturas de referência e na investigação da extração de expressões simbólicas.

Referências

  1. Liu, Z., et al. (2024). KAN: Kolmogorov-Arnold Networks. arXiv preprint. [placeholder — confirmar versão/páginas]
  2. Repositório Identificacao — modelo de referência para comparação.
  3. Repositório ControleBuck — fonte dos dados de treinamento/validação.