???global.info.a_carregar???
Identificação

Identificação pessoal

Nome completo
Rodrigo Farate Laia

Nomes de citação

  • Laia, Rodrigo

Identificadores de autor

Ciência ID
2A13-D505-7FB8
ORCID iD
0009-0003-6730-9985

Websites

  • linkedin.com/in/rodrigo-laia (Rede social)
  • laiarodrigo.github.io/ (Académico)

Idiomas

Idioma Conversação Leitura Escrita Compreensão Peer-review
Português (Idioma materno)
Inglês Utilizador proficiente (C1) Utilizador proficiente (C1) Utilizador proficiente (C1) Utilizador proficiente (C1)
Formação
Grau Classificação
2024/10 - 2026/10
Em curso
Computer Science and Engineering (Mestrado)
Especialização em Artificial Intelligence
Universidade de Lisboa Instituto Superior Técnico, Portugal
"Recognizing and Translating Between Portuguese Varieties with Fine-tuned Language Models" (TESE/DISSERTAÇÃO)
18/20
2021/10 - 2024/09
Concluído
Physics and Technological Engineering (Licenciatura)
Universidade de Lisboa Instituto Superior Técnico, Portugal
"Machine Learning as a Tool to Improve Nuclear Fusion Experiments" (TESE/DISSERTAÇÃO)
16/20
2023/11 - 2023/11
Concluído
Introduction to Lean Six Sigma Management (Outros)
Ceské vysoké uceni technické v Praze, República Checa
20/20
Percurso profissional

Ciência

Categoria Profissional
Instituição de acolhimento
Empregador
2025/09 - Atual Assistente de Investigação (carreira) (Investigação) Instituto de Engenharia de Sistemas e Computadores Investigação e Desenvolvimento em Lisboa, Portugal
Universidade de Lisboa Instituto Superior Técnico, Portugal
2024/01 - 2025/12 Assistente de Investigação (carreira) (Investigação) University of Wisconsin-Madison, Estados Unidos
University of Wisconsin-Madison, Estados Unidos
2024/11 - 2025/03 Investigador (Investigação) Diffusion Dynamics, Portugal
Diffusion Dynamics, Portugal
2022/06 - 2022/09 Estagiário de Investigação (Investigação) Laboratório de Instrumentação e Física Experimental de Partículas, Portugal
Laboratório de Instrumentação e Física Experimental de Partículas, Portugal
Produções

Publicações

Artigo em revista
  1. R. Laia; R. Jorge; G. Abreu. "Data-driven approach to model the influence of magnetic geometry in the confinement of fusion devices". Nuclear Fusion (2026): https://doi.org/10.1088/1741-4326/ae1e12.
    10.1088/1741-4326/ae1e12

Outros

Software
  1. Laia, Rodrigo. "QCD Jets Visualization". Demo: https://wminho.lip.pt/qcd/. Laboratório de Instrumentação e Física Experimental de Partículas. Unity. 2023.
Atividades

Apresentação oral de trabalho

Título da apresentação Nome do evento
Anfitrião (Local do evento)
2024/09 Machine Learning as a Tool to Improve Nuclear Fusion Experiments FÍSICA 2024 (24th National Physics Conference & 34th Iberian Meeting for Physics Education)
Portuguese Physical Society (Coimbra, Portugal)
Distinções

Prémio

2024 Academic Merit Award (2024/2025)
Universidade de Lisboa Instituto Superior Técnico, Portugal