EVENTO
A Deep Learning Method for Climate Agreements via Stochastic Differential Games
Tipo de evento: Defesa de Tese de Doutorado
Nesta pesquisa, propomos um método baseado em deep learning para a computação de estratégias de equilíbrio de Nash em jogos diferenciais estocásticos. Esses problemas são usualmente formulados por meio de um sistema acoplado de equações de Hamilton-Jacobi-Bellman (HJB), constituído por equações diferenciais parciais não lineares cuja solução determina as funções valor dos jogadores e, implicitamente, suas estratégias ótimas. Métodos numéricos tradicionais, como diferenças finitas e elementos finitos, enfrentam a maldição da dimensionalidade, tornando-se progressivamente mais custosos à medida que aumenta o número de variáveis de estado. Para contornar essas limitações, propomos uma extensão do Deep Galerkin Method (DGM), denominada Deep Galerkin Fictitious Play (DGFP), na qual as funções valor e as estratégias dos jogadores são parametrizadas por redes neurais profundas e o equilíbrio é obtido por meio de um procedimento iterativo de fictitious play. Essa abordagem permite tratar o sistema acoplado de HJB sem a necessidade de uma discretização explícita do espaço de estados e é particularmente adequada a problemas de alta dimensionalidade. Como aplicação, formulamos um jogo diferencial estocástico de controle de poluição transfronteiriça entre N países, cuja representação naturalmente conduz a sistemas com dezenas ou centenas de variáveis de estado. Os resultados incluem a aproximação das funções valor e das estratégias de equilíbrio, bem como a obtenção de trajetórias ótimas de emissão e de acumulação de poluição em dimensões que podem ser computacionalmente inacessíveis aos métodos numéricos convencionais.Evento HibridoLocal: Auditório do LNCCLink de transmissão: meet.google.com/uuu-umxr-hst
Data Início: 09/11/2026 Hora: 14:00 Data Fim: 09/11/2026 Hora: 17:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Thiago Corni Ferreira - - LNCC
Orientador: Jiang Zhu - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: José Karam Filho - Laboratório Nacional de Computação Científica - LNCC Maosheng Jiang - Qingdao University, China - Nelson Francisco Favilla Ebecken - Universidade Federal do Rio de Janeiro - COPPE/UFRJ
Suplente Banca Examinadora: Jiansong Zhang - - LNCC Renato Portugal - Laboratório Nacional de Computação Científica - LNCC
