Uma estudante de 14 anos de Williamsburg, Virgínia, desenvolveu um modelo matemático que aumenta a cobertura de detecção de terremotos em 16,7% usando apenas cinco sensores adicionais. O trabalho colocou a estudante entre os 30 finalistas do Desafio de Inovadores Juniores da Thermo Fisher Scientific em 2026.
Realizado quando ela estava na oitava série, o trabalho usou métodos matemáticos empregados na teoria dos jogos para identificar os melhores locais para posicionar equipamentos de monitoramento sísmico. A pesquisa se baseou em dados reais de terremotos e em arranjos gerados por computador.
Como funcionam os sensores sísmicos
Os equipamentos de monitoramento de terremotos registram ondas sísmicas que viajam pelo solo. Algumas dessas ondas podem ser detectadas antes do tremor mais forte chegar a uma área, permitindo que sistemas de alerta antecipado emitam avisos à população. A eficácia de uma rede de sensores, porém, depende do local onde seus instrumentos estão instalados.
O desafio é determinar quais locais oferecem a melhor cobertura sem deixar de considerar fatores como a acessibilidade aos equipamentos. Pesquisadores precisam comparar diferentes arranjos possíveis antes de investir em instalação física ou reposicionamento de dispositivos.
O modelo matemático e seus resultados
Para o estudo, a jovem se concentrou na região de Los Angeles, na Califórnia. Ela acessou uma biblioteca de dados com informações sobre terremotos anteriores e locais onde sensores já existiam, permitindo examinar diferentes configurações sem alterar equipamentos de verdade.
O projeto se chamava “Escutando nos Lugares Certos: Teoria dos Jogos e Otimização para Posicionamento de Sensores de Terremotos”.
Ela utilizou dois métodos matemáticos principais, e o primeiro, chamado modelo de soma ponderada, avalia vários objetivos e atribui diferentes níveis de importância a cada um. O segundo, conhecido como negociação de Nash, é um conceito da teoria dos jogos que busca soluções para equilibrar interesses concorrentes.
Ambos ajudaram a examinar a relação entre a precisão na detecção de terremotos e a acessibilidade aos sensores.
Os resultados mostraram que a negociação de Nash superou o outro método e gerou arranjos mais próximos da fronteira de Pareto. O conceito identifica soluções em que melhorar um objetivo significaria piorar outro. O modelo indicou que apenas cinco sensores adicionais poderiam elevar a cobertura em 16,7%.
Do interesse pessoal à pesquisa
O interesse pela área começou depois que ela leu um artigo na revista Physics Today sobre as dificuldades envolvidas em detectar terremotos. Ter vivido um terremoto de grande magnitude reforçou sua curiosidade sobre o assunto. O projeto foi desenvolvido de forma independente enquanto frequentava a James Blair Middle School.
Ela agora é aluna do primeiro ano na Jamestown High School. Quase 10 mil estudantes de escolas intermediárias de todo o país participaram da competição nacional, que reconhece projetos de pesquisa realizados por estudantes dessa faixa etária.
Implicações práticas da descoberta
A descoberta não prova que a mesma melhoria de 16,7% ocorreria em uma rede operacional de monitoramento sísmico no mundo real. Ela demonstra, porém, como a modelagem matemática pode auxiliar pesquisadores a comparar possíveis locações de sensores antes de tomar decisões sobre instalação.
Essa abordagem poderia ser especialmente útil em locais onde o acesso físico aos equipamentos é difícil ou oneroso.
Por que a negociação de Nash funcionou melhor que o modelo de soma ponderada
Os dois métodos matemáticos que Isabel testou operam de maneiras diferentes. O modelo de soma ponderada atribui pesos — dá mais importância a um objetivo e menos a outro — e busca a melhor solução dentro dessa hierarquia fixa.
Já a negociação de Nash funciona como um processo de equilíbrio: busca soluções em que nenhum dos interesses concorrentes consegue melhorar sem prejudicar o outro.
Por isso, a negociação de Nash produziu arranjos mais próximos da fronteira de Pareto. Enquanto o modelo de soma ponderada força uma escolha entre prioridades, Nash encontra o ponto em que não é possível ganhar em um aspecto sem perder em outro. É exatamente o que pesquisadores precisam saber antes de gastar recursos para instalar sensores.
