Em 2 de junho de 2026, Tianqi Chen, professor assistente nos departamentos de Machine Learning e Computer Science da Carnegie Mellon University, recebeu o NSF CAREER Award, a honraria mais prestigiada da National Science Foundation para docentes em início de carreira. O reconhecimento chega exatamente para apoiar pesquisas que unem modelos de inteligência artificial, sistemas de software e hardware físico, uma combinação que determina a velocidade e a viabilidade de aplicações reais de machine learning.

A trajetória de Chen e o Catalyst Group

Chen lidera o Catalyst Group na CMU, grupo dedicado ao estudo de sistemas de machine learning e infraestrutura de IA. Sua trajetória inclui contribuições diretas para projetos que hoje são base de muitas ferramentas usadas no dia a dia por engenheiros e pesquisadores: XGBoost, o Apache TVM, o Apache MXNet e o MLC-LLM. Cada uma dessas iniciativas nasceu da necessidade prática de tornar o treinamento e a inferência de modelos mais rápidos e acessíveis, sem depender exclusivamente de recursos computacionais caros.

O que o prêmio significa na prática

O NSF CAREER Award oferece financiamento de longo prazo e visibilidade para que Chen continue explorando a intersecção entre modelos de IA, sistemas e hardware. Em vez de tratar o algoritmo como algo isolado, a pesquisa foca em como ele interage com a arquitetura do computador que o executa, desde chips especializados até sistemas distribuídos. Essa abordagem responde a uma pergunta central: por que um modelo excelente em laboratório muitas vezes perde desempenho quando colocado em produção real.

Por que sistemas de machine learning importam agora

Nos últimos anos, o crescimento explosivo de modelos de IA tornou evidente que o gargalo não está apenas no algoritmo, mas na infraestrutura que o sustenta. Chen vem trabalhando exatamente nesse ponto desde antes da onda atual de grandes modelos de linguagem. Suas ferramentas anteriores já ajudaram equipes a otimizar o uso de GPUs e a compilar modelos para diferentes plataformas de hardware, reduzindo custos e tempo de execução.

O que vem a seguir

Com o prêmio em mãos, o professor Chen e sua equipe no Catalyst Group têm agora recursos e reconhecimento para aprofundar pesquisas que podem influenciar a próxima geração de sistemas de IA. Para quem trabalha ou estuda o campo, acompanhar os resultados desse trabalho oferece uma janela concreta sobre como transformar modelos teóricos em soluções confiáveis e eficientes no mundo real.