Candidato:
Tiago Filipe Mendes Neves

Data, Hora e Local:
16 de setembro de 2025, 15h30, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Pedro Nuno Ferreira da Rosa da Cruz Diniz, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doctor Keisuke Fujii, Associate Professor at the Department of Intelligent Systems of the Graduate School of Informatics of the Nagoya University, Japan;
Doctor Jesse Jon Davis, Full Professor at the Department of Computer Science of the Faculty of Engineering Science of the Katholieke Universiteit Leuven, Belgium;
Doutor Luís Paulo Gonçalves dos Reis, Professor Associado com Agregação do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor João Pedro Carvalho Leal Mendes Moreira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

A tese foi coorientada pelo Doutor Luís Jorge Machado da Cunha Meireles, Senior Psychologist & Data Scientist, FC Porto.

Resumo:

Os grandes modelos auto-supervisionados em áreas como a linguagem, a visão e a biologia estão a transformar o mundo. No entanto, estes modelos generativos, que aprendem a distribuição dos dados com que são treinados, não apresentam o mesmo nível de desempenho em todos os usos. Por exemplo, os Large Language Models (LLMs) ainda não têm um caso de uso concreto na análise desportiva. Faltam capacidades de raciocínio a estes modelos para produzir conhecimento aplicável para poderem competir com um conjunto de métricas específicas já estabelecidas na análise desportiva.
Embora existam alguns estudos que exploram a aplicabilidade de modelos generativos no futebol, nenhum estudo ambiciona resolver o desafio de construir um modelo de aprendizagem autosupervisionada completo para dados de eventos de futebol. Se considerarmos os eventos num jogo de futebol (cada remate, passe, desarme, …) como as “palavras” que descrevem o que está a acontecer, podemos considerar cada posse de bola uma “frase”, cada jogo uma “composição” e os dados de eventos uma “linguagem”. Ao trabalhar neste enquadramento, temos todas as ferramentas para construir um modelo auto-supervisionado à imagem das LLMs. O objetivo desta tese é construir um modelo de base auto-supervisionado para dados de eventos de futebol – denominado Large Events Model (LEM) – e demonstrar a sua aplicabilidade no campo e generalidade na resolução de diferentes tarefas, como simulação e modelação, que de outra forma exigiriam abordagens individualizadas. Propomos três abordagens para construir LEMs: chain of classifiers, causal mask modeling, e sequential language modeling com transformers.
Em primeiro lugar, a chain of classifiers fornece o primeiro modelo generativo que modela todos os aspetos dos dados de eventos sem impor restrições aos tipos de eventos, alcançando um nível de desempenho que permite a simulação em larga escala de jogos de futebol. Investigamos também duas abordagens alternativas para remover restrições da primeira abordagem. A abordagem de causal mask modeling usando redes neuronais tem o melhor desempenho em vários dos nossos critérios de avaliação, fornecendo um conjunto de modelos prontos para resolver uma ampla gama de tarefas de análise de futebol. Exploramos aplicações desde a pesquisa automática de estratégias com aprendizagem por reforço até aos comportamentos de risco-recompensa dos jogadores de futebol. Esta tese apresenta mais de uma dúzia de casos de uso para LEMs. As LEMs têm o potencial de se tornarem o sistema operativo para dados de eventos na análise do futebol. Elas transformam a forma como os clubes trabalham, com um acesso facilitado a modelos que de outra forma exigiriam um grande esforço de modelação. Com as LEMs, a barreira de entrada diminuirá significativamente, pois qualquer clube do mundo poderá aceder a um modelo capaz de resolver os seus problemas mais relevantes.

Palavras Chave: modelos generativos; modelos de base; analítica desportiva; aplicações de aprendizagem profunda; simulação; futebol.

Candidato:
Gabriel de Jesus

Data, Hora e Local:
1 de setembro de 2025, 14:30, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Rui Filipe Lima Maranhão de Abreu, Professor Catedrático do Departamento de Engenharia de Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doctor Arjen P. de Vries, Full Professor at the Institute for Computing and Information Sciences of the Radboud Universiteit, Nimega, The Netherlands;
Doutor Bruno Emanuel da Graça Martins, Professor Associado do Departamento de Engenharia Eletrotécnica e de Computadores do Instituto Superior Técnico da Universidade de Lisboa;
Doutor Henrique Daniel de Avelar Lopes Cardoso, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor Sérgio Sobral Nunes, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

Resumo:

Garantir o acesso à informação em todas as línguas é crucial para reduzir as disparidades na participação das comunidades na era digital e promover uma sociedade mais inclusiva e equitativa, em particular para os falantes de línguas com poucos recursos. Contudo, permitir esse acesso continua a ser um desafio significativo para muitas dessas comunidades. O Tetun, uma língua que passou de dialeto a uma das línguas oficiais de Timor-Leste aquando da restauração da independência do país, em 2002, enfrenta desafios semelhantes. De acordo com o censo de 2015, o Tetun é falado por aproximadamente 79% da população, estimada em 1,18 milhões de habitantes. Apesar do seu estatuto oficial, o Tetun continua a ser subservido na tecnologia linguística. Em particular, não existem soluções de recuperação de informação para esta língua, o que dificulta a obtenção de informação relevante na internet e em plataformas digitais, no contexto de pesquisas textuais. Este trabalho aborda estes desafios, explorando estratégias de recuperação para pesquisas textuais que permitam aplicar técnicas de recuperação de informação no desenvolvimento de soluções de pesquisa para Tetun, com um foco específico na tarefa de recuperação ad-hoc de texto. Tendo em conta a inexistência de algoritmos, ferramentas e coleções de documentos para Tetun, este trabalho iniciou-se com a criação desses recursos fundamentais, que constituem contribuições relevantes para os domínios da recuperação de informação e do processamento de linguagem natural. Estes recursos incluem um tokenizador, um modelo de identificação de língua, um stemmer, uma lista de stopwords, uma coleção de documentos textuais em Tetun, uma coleção de julgamentos de relevância, resultados de referência para a tarefa de recuperação ad-hoc de texto, e uma coleção de interrogações de pesquisa. As contribuições para a recuperação de informação em línguas com poucos recursos incluem: (1) Um processo estruturado de recolha de dados, concebido para línguas com poucos recursos, que visa agilizar a construção de dados textuais a partir da web; (2) Uma metodologia com intervenção humana para anotar, processar e construir um conjunto de dados adequado a diversas tarefas de recuperação de informação e processamento de linguagem natural; (3) Uma abordagem baseada em redes para a deteção de stopwords; (4) Metodologias para o desenvolvimento de um stemmer, concebido para uma língua fortemente influenciada por empréstimos linguísticos, e a criação de um conjunto de dados de referência para a avaliação do seu desempenho; (5) Uma metodologia para a construção de um conjunto de dados de referência para a avaliação dos sistemas de recuperação; (6) Uma metodologia para estabelecer resultados de referência robustos para a tarefa de recuperação ad-hoc de texto; e (7) Estratégias de contextualização de documentos e de afinação com dois parâmetros para recuperação de texto baseada em pesquisa híbrida. Os resultados deste trabalho contribuem para o desenvolvimento de tecnologias associadas ao processamento computacional de Tetun, preenchem lacunas nos seus recursos linguísticos e alcançam resultados que elevam o estatuto do Tetun. Estes avanços abrem novas oportunidades para investigações e inovações futuras. Além disso, este trabalho introduz metodologias adaptáveis a outras línguas que enfrentam desafios semelhantes, contribuindo, assim, para o avanço da recuperação de informação em línguas com poucos recursos.

Candidato:
Martin Joseph Aubard

Data, Hora e Local:
25 de julho de 2025, 14:00, Sala de Atos do DEEC (I-105), da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Pedro Nuno Ferreira da Rosa da Cruz Diniz, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Bilal Wehbe, Senior Researcher at the German Research Center for Artificial Intelligence, Germany;
Doutora Catarina Helena Branco Simões da Silva, Professora Associada do Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de Coimbra;
Doutor Andry Maykol Gomes Pinto, Professor Associado do Departamento de Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto;
Doutora Ana Maria Dias Madureira Pereira, Professora Coordenadora com Agregação do Departamento de Engenharia Informática do Instituto Superior de Engenharia do Porto (Orientadora).

A tese foi coorientada pelo Doutor Luís Filipe Pinto de Almeida Teixeira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Resumo:

Esta tese aborda o desafio de melhorar as capacidades de deteção e interação a bordo dos veículos subaquáticos autónomos (AUVs) utilizando dados de sonar de varrimento lateral (SSS). Tradicionalmente, as missões subaquáticas baseiam-se em planos pré-definidos em que os dados são analisados após a missão por operadores ou especialistas. Este fluxo de trabalho é moroso e requer frequentemente várias missões para identificar e localizar alvos subaquáticos. A necessidade de missões repetidas aumenta os custos operacionais e a complexidade, realçando a ineficiência das metodologias actuais. Além disso, estas abordagens não permitem que o AUV interaja com os alvos detectados em tempo real, limitando o âmbito da adaptação da missão e da tomada de decisões em tempo real. Para ultrapassar estas limitações, esta tese apresenta uma nova plataforma que integra modelos de aprendizagem profunda para a deteção de objectos diretamente embarcado de AUVs. Esta integração permite que o veículo detecte, localize e interaja com alvos subaquáticos em tempo real, oferecendo melhorias significativas em relação à análise tradicional pós-missão. A plataforma baseia-se nas ferramentas LSTS, responsáveis pelo controlo de movimento e comunicação do AUV, e introduz capacidades melhoradas de processamento de dados em tempo real. No entanto, a implementação de um modelo deste tipo num sistema embebido apresenta de limitações computacionais que afectam o desempenho do modelo. Assim, foram implementados métodos de Knowledge Distillation, garantindo modelos mais pequenos e mais eficientes para efetuar a deteção embarcado sem sacrificar a precisão. Além disso, para melhorar a robustez do modelo contra o ruído subaquático, foi introduzida uma nova plataforma de treino adversárial, ROSAR, que garante um funcionamento fiável mesmo em ambientes sonar ruidosos. Após a deteção a bordo e a melhoria da localização, aprofundamos a interação a bordo com o objeto detectado. Isto é realizado através da extensão da plataforma anterior e da sua validação através de um simulador personalizado, melhorando a interação com os objectos detectados. Isto é demonstrado através de um caso de utilização de inspeção de condutas, que reduz o tempo de missão ao combinar a deteção por sonar e a recolha de dados da câmara numa única missão, utilizando árvores de comportamento e modelos de segurança avaliados. Tendo em conta a falta de disponibilidade de dados de sonar no terreno, esta tese contribui com dois novos datasets de sonar de varrimento lateral disponíveis publicamente, SWDD e Subpipe, que incluem dados recolhidos no terreno em paredes e condutas, e anotados manualmente para deteção de objectos. Ao passar da análise pós missão para a deteção e interação em tempo real, esta tese melhora significativamente a eficiência operacional das missões AUV. A plataforma proposta simplifica as operações subaquáticas e melhora o comportamento autónomo dos AUVs, baseando-se num modelo de deteção de objectos eficiente, preciso e robusto para aplicações eficientes de exploração e monitorização subaquáticas.

Candidata:
Filipa Marília Monteiro Ramos Ferreira

Data, Hora e Local:
23 de julho de 2025, 14:30, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Carlos Miguel Ferraz Baquero-Moreno, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Tiago Manuel Lourenço Azevedo, Investigador Associado do Department of Computer Science and Technology da Universidade de Cambridge, Reino Unido;
Doutor Marco António Morais Veloso, Professor Coordenador do Departamento de Ciências e Tecnologia da Escola Superior de Tecnologia e Gestão de Oliveira do Hospital do Instituto Politécnico de Coimbra;
Doutor Luís Filipe Pinto de Almeida Teixeira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor Rosaldo José Fernandes Rossetti, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

Resumo:

Assegurar a fiabilidade e robustez de deep learning continua a ser um desafio urgente, particularmente com a tração atual para utilizar redes neuronais em aplicações de segurança crítica. Apesar de existir investigação extensiva focada em melhorar a eficácia destes modelos em variados bancos de dados, a generalisação, interpretabilidade e robustez no domínio de aplicação continuam pouco entendidas. Em cenários do mundo real, é frequente modelos falharem ou terem eficácia subpar sem uma explicação aparente. Para endreçar estas preocupações, quantificação de incerteza emergiu recentemente como uma direção chave de investigação, oferecendo uma vista mais aprofundada de redes neuronais e melhorando a confiança, interpretabilidade e robustez destes sistemas. Dentro das aplicações de segurança crítica, condução autónoma destaca-se como uma área onde deteção de objetos consciente da sua incerteza pode significativamente melhorar a perceção e o processo de tomada de decisão destes veículos. Esta tese explora interpretações de incerteza especificamente desenhadas para o âmbito de deteção de objetos no contexto de condução autónoma. Neste sentido, dois novos métodos para estimar o componente aleatórico e uma abordagem para modelar a incerteza epistémica são propostos. Através do uso de distribuições de âncoras já disponíveis em qualquer detetor de objetos baseado neste mecanismo, a incerteza é estimada holisticamente evitando procedimentos custosos de geração de amostragens. Para além disto, o conceito de existência é introduzido, traduzindo-se numa medida probabilística que indica se um objeto realmente existe no mundo real, independentemente da sua classificação. Construindo a partir destas ideias, três aplicações de incerteza e existência são exploradas, em concreto o Existence Map, o Uncertainty Map e a Existence Probability. Enquanto que os mapas de existência e incerteza codificam a medida de existência e a incerteza aleatórica no espaço dos exemplos de entrada, a probabilidade de existência combina a informação disponibilizada pelo Existence Map com o retorno standardizado do modelo, culminando numa avaliação dos dados mais completa. A avaliação mostra a coerência das estimativas de incerteza e demonstra a utilidade dos mapas de existência e incerteza a suportarem o modelo standardizado, permitindo capacidades de open-set e atribuindo um grau de confiança a verdadeiros e falsos positivos e a falsos negativos. A estratégia de fusão da probabilidade de existência reporta uma melhoria considerável na performance do detetor de objetos tanto em validação como em dados de perturbação, enquanto deteta todos os tipos de objetos apesar de o modelo ter sido apenas treinado em carros, peões e ciclistas.
A segunda parte desta tese apresenta um estudo sobre a distribuição de underspecification e a sua conexão com a incerteza epistémica. Underspecification, demonstrada recentemente, gravemente ameaça a utilização eficaz de deep learning em sistemas de segurança crítica visto que descreve a variabilidade de predictors gerados por uma arquitetura com desempenhos divergentes no domínio de aplicação. A análise feita mostra que, se a estimativa de incerteza estiver corretamente calibrada, um único predictor é suficiente para prever a dispersão da distribuição de underspecification, evitando custosas e repetidas sessões de treino. Para além disto, todos os métodos propostos são desenhados para serem independentes de modelo, compatíveis com processamento em tempo-real e aplicável a modelos já em utilização sem requerir novo treino, reinforçando a sua relevância para deteção de objetos robusta e interpretável em veículos autónomos.

Candidato:
Lázaro Gabriel Barros da Costa

Data, Hora e Local:
18 de julho de 2025, 16:00, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Pedro Nuno Ferreira da Rosa da Cruz Diniz, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Vogais:
Doctor Tanu Malik, Associate Professor in the Department of Electrical Engineering and Computer Science at the University of Missouri, U.S.A;
Doutor Miguel Carlos Pacheco Afonso Goulão, Professor Associado do Departamento de Informática da Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa;
Doutor Gabriel de Sousa Torcato David, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor Jácome Miguel Costa da Cunha, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

A tese foi coorientada pela Doutora Susana Alexandra Tavares Meneses Barbosa, Investigadora Sénior do INESCTEC Porto.

Resumo:

A reprodutibilidade e a replicabilidade científica são pilares essenciais de uma investigação credível, especialmente à medida que os experiências computacionais se tornam cada vez mais prevalentes em diversas disciplinas científicas, como a química, a ciência do clima e a biologia. Apesar da forte defesa da Ciência Aberta e da adesão aos princípios FAIR (Findable, Accessible, Interoperable e Reusable — Localizável, Acessível, Interoperável e Reutilizável), alcançar uma verdadeira reprodutibilidade continua a ser um desafio considerável para muitos investigadores. Questões fundamentais como a gestão complexa de dependências, metadados inadequados e o acesso frequentemente moroso ao código e dados necessários comprometem seriamente os esforços de reprodutibilidade. Além disso, as ferramentas atualmente disponíveis oferecem frequentemente soluções fragmentadas que não conseguem responder às necessidades multifacetadas de configurações experimentais diversas e complexas, particularmente aquelas que envolvem múltiplas linguagens de programação e sistemas de dados intricados.
Esta tese aborda estes desafios através da apresentação de uma ferramenta abrangente concebida para melhorar a reprodutibilidade computacional em várias áreas científicas. A nossa abordagem
incluiu uma revisão sistemática detalhada das ferramentas existentes de reprodutibilidade com o objetivo de identificar lacunas e limitações prevalecentes ao nível do design e funcionalidade.
Esta revisão evidenciou a natureza fragmentada dessas ferramentas, cada uma suportando apenas aspetos do processo de reprodutibilidade, sem fornecer uma solução holística, em particular
para experiências que exigem uma gestão de dados robusta ou suporte a múltiplas linguagens de programação.
Para colmatar estas lacunas, introduzimos o SCIREP, uma ferramenta inovadora que automatiza aspetos essenciais do fluxo de trabalho da reprodutibilidade, como a gestão de dependências, containerização e compatibilidade entre plataformas. Esta ferramenta foi rigorosamente avaliada utilizando um conjunto curado de experiências computacionais, alcançando uma taxa de sucesso
de reprodutibilidade de 94%. Com o objetivo de aumentar a acessibilidade e a usabilidade da investigação reprodutível, desenvolvemos o SCICONV, uma interface conversacional que simplifica a configuração e execução de experiências computacionais, utilizando processamento de linguagem natural. Esta interface reduz significativamente as barreiras técnicas tradicionalmente associadas à configuração de estudos reprodutíveis, permitindo que os investigadores interajam com o sistema através de conversas simples e orientadas. Os resultados da avaliação indicaram que o SCICONV conseguiu reproduzir 83% das experiências do nosso conjunto de dados curado com a mínima interação do utilizador, demonstrando o seu potencial para tornar a investigação reprodutível mais acessível a uma gama mais ampla de investigadores.
Adicionalmente, reconhecendo o papel fundamental dos estudos com utilizadores na avaliação de ferramentas, metodologias e protótipos — particularmente nas áreas da engenharia de software e das ciências comportamentais—esta tese estende-se também ao domínio da avaliação experimental de ferramentas. Conduzimos uma análise aprofundada das ferramentas existentes utilizadas em experiencias nas áreas mencionadas, identificando e propondo funcionalidades especificas destinadas a melhorar a sua utilidade e facilidade de uso na condução de estudos com utilizadores. Estas funcionalidades foram validadas através de um inquérito a comunidade cientifica, confirmando a sua relevância e a necessidade da sua integração em ferramentas atuais e futuras. As contribuições desta tese são múltiplas, abrangendo o desenvolvimento de uma classificação para ferramentas de reprodutibilidade, a criação de um conjunto de dados de referencia padronizado para avaliação da eficácia das ferramentas, e a formulação das ferramentas SCIREP e SCICONV para um avanço significativo do estado da arte em reprodutibilidade computacional. No futuro, a investigação ira centrar-se na expansão das capacidades destas ferramentas para suportar fluxos de trabalho científicos mais complexos, melhorar as interfaces de utilizador e integrar funcionalidades adicionais que suportem os estudos com utilizadores. Ao faze-lo, este trabalho visa abrir caminho para um ecossistema de reprodutibilidade computacional mais robusto, acessível e eficiente, capaz de responder as necessidades em constante evolução da comunidade cientifica global.

Palavras-chave: Reprodutibilidade; Replicabilidade; Reutilização; Experiências computacionais; Interface de utilizador conversacional; Estudos de utilizadores.

Candidato:
Diogo Miguel Filipe Cocharro

Data, Hora e Local:
22 de julho de 2025, 15:00, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor António Fernando Vasconcelos Cunha Castro Coelho, Professor Associado com Agregação do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Matt Chiu, Assistant Professor of Music Theory at the Conservatory of Performing Arts at the Baldwin Wallace University, EUA;
Doutor Daniel Gómez-Marín, Profesor del Departamento de Diseño e Innovación de la Escuela de Tecnología, Diseño e Innovación de la Facultad Barberi de Ingeniería, Diseño y Ciencias Aplicadas de la Universidad Icesi, Colombia;
Doutora Sofia Carmen Faria Maia Cavaco, Professora Auxiliar do Departamento de Informática da Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa;
Doutor Sérgio Reis Cunha, Professor Auxiliar do Departamento de Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto;
Doutor Gilberto Bernardes de Almeida, Professor Auxiliar do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

A tese foi coorientada pelo Doutor Rui Luis Nogueira Penha, Professor Coordenador da Escola Superior de Música e das Artes do Espetáculo.

Resumo:

A música é inerentemente uma manifestação temporal, e o ritmo é um componente crucial dela. Enquanto o ritmo pode existir sem melodia ou harmonia, estas últimas não podem existir sem o ritmo. No entanto, o ritmo é uma disciplina frequentemente menos estudada em comparação com a harmonia. A afinidade rítmica é um conceito musical que descreve a relação natural e agradável entre dois ou mais padrões rítmicos. Trata-se de quando esses padrões, mesmo que complexos ou aparentemente díspares, criam uma sensação de coesão e fluidez em vez de dissonância ou conflito. Esta afinidade pode surgir de vários fatores, como motivos rítmicos partilhados, estruturas rítmicas complementares ou um pulso subjacente forte que unifica as diferentes camadas. Estudiosos da música começaram recentemente a investigar estes fenómenos, particularmente o trabalho seminal de Harald Krebs sobre Dissonância Rítmica, que contribuiu com um quadro abrangente para compreender e categorizar a dissonância métrica na música, ou o trabalho de Godfried T. Toussaint, que discute vários métodos para medir a similaridade rítmica, oferecendo perspectivas sobre as inter-relações estruturais entre diferentes ritmos. Um estudo recente investigou o comportamento de métricas típicas de similaridade rítmica em diferentes géneros. As principais conclusões revelaram que a similaridade varia dentro de um intervalo limitado entre géneros e instrumentos. Esta análise sistemática abriu a discussão e pesquisa sobre o conceito de compatibilidade rítmica, enfatizando a necessidade de compreendê-la como um conceito distinto da similaridade rítmica. Conjuntamente, isso proporcionou condições para estudos subsequentes e abriu novas perspetivas para reunir conceitos relacionados à afinidade rítmica. O espaço da Transformada Discreta de Fourier (DFT) tem sido amplamente aplicado na harmonia para criar espaços de altura, mostrando grande potencial para mapear todos os tipos de configurações de alturas correspondentes às perceções humanas de alturas, acordes e tonalidades, bem como aos princípios da teoria musical como distâncias. A sua aplicação no ritmo tem sido geralmente limitada somente a padrões rítmicos ou dentro do contexto de uma peça musical, não como um espaço rítmico multimétrico que abrangente a todo o espectro de ritmos. Este estudo investiga o potencial da DFT como um espaço rítmico multimétrico para explorar afinidades rítmicas, focando especificamente na categoria de dissonância de agrupamento. Este fenómeno relaciona-se com práticas frequentemente encontradas na composição musical, como poli-metria, poli-ritmos, hemiolas e quiálteras, que permitem a sobreposição de padrões rítmicos que, em princípio, apresentam baixa similaridade entre si, mas que são percecionados como agradáveis enquanto dissonância combinada. O exemplo mais conhecido é o de três contra dois. O objetivo principal é analisar e criar padrões rítmicos examinando similaridade e dissonância no espaço. A nossa abordagem centra-se em estratégias para representar ritmos no domínio do tempo e as suas implicações no domínio da frequência. Constatámos que cada método tem capacidades distintas para captar similaridade e dissonância, podendo ser usado para diversos propósitos musicais.