A escolha de design que define o NeuroDrive Alert é temporal. Em vez de classificar um único momento como alerta ou sonolento, o sistema rastreia a fadiga à medida que ela se acumula, usando a mudança ao longo do tempo como o sinal preditivo. Esse é um problema de aprendizado de máquina significativamente mais difícil do que a classificação instantânea — requer a modelagem de uma trajetória, em vez de um estado — e é também a única versão do problema que vale a pena resolver, porque um aviso que chega simultaneamente ao microssono chega tarde demais.
Sua entrada na competição foi estruturada em torno do que ela poderia aprender, e não do que ela já havia construído. "Entrei no desafio para aprender novas habilidades e ser exposta a ideias inovadoras que pudessem refinar significativamente o impacto real que meu projeto tem", escreveu ela. "Sob a orientação de um mentor da 3M, espero levar meu projeto a um nível totalmente novo e melhorar meu modelo para que ele seja facilmente traduzido para um sistema físico." A lacuna que ela aponta — entre um modelo que funciona em dados gravados e um dispositivo que alguém pode usar em um veículo em movimento — é aquela onde a maioria dos projetos promissores de biosinais morre.
Vinte perguntas, oito minutos no relógio e um percentil medido contra todos os que já fizeram. Sem cadastro.
Fazer o teste de QI →Seu domínio do instrumento subjacente não é superficial. Ao ser questionada sobre qual seria sua invenção favorita dos últimos cem anos, ela escolheu o eletroencefalograma e explicou o porquê em termos que um estudante de pós-graduação reconheceria. "Uma máquina de EEG mede a atividade das ondas cerebrais através de um sistema de eletrodos colocados no couro cabeludo. Acho absolutamente incrível como um EEG pode refletir até o menor movimento dinâmico das ondas cerebrais em um exame, mostrando sua excepcional resolução temporal. A enorme quantidade de dados que se pode obter de um único EEG tem o potencial de esclarecer as impressões digitais neurais de inúmeras condições neurológicas." Ela destacou sua natureza não invasiva e resolução temporal como fatores que o tornam adequado para "rastrear padrões ao longo do tempo, particularmente em períodos mais curtos" — que é exatamente a propriedade que seu próprio sistema explora.
Sua aplicação favorita declarada da tecnologia não é, de fato, a detecção de fadiga. "Minha coisa favorita sobre um EEG tem que ser sua capacidade de auxiliar significativamente na criação de Interfaces Cérebro-Computador", escreveu ela. "As BCIs restauram a independência, a mobilidade e a comunicação para indivíduos com deficiências físicas, e o papel fundamental da máquina de EEG no processo de construção de uma BCI realmente me intriga."
Seu mentor designado pela 3M é Stephanie Owen, gerente de laboratório de engenharia de produtos de P&D para eletrônicos dentro do Grupo de Negócios de Transporte e Eletrônicos da empresa. O emparelhamento aborda a fraqueza precisa que Sharvi identificou em seu próprio projeto: traduzir um modelo treinado em um hardware que funcione de forma confiável em um veículo é um problema de engenharia de produtos eletrônicos, não de ciência de dados.
A competição, em seu décimo nono ano, atraiu inscrições de alunos da quinta à oitava série em todos os Estados Unidos, julgados por cientistas da 3M e líderes educacionais quanto à criatividade, conhecimento científico e eficácia da comunicação. Os dez finalistas trabalham com mentores durante o verão e se reúnem em 12-13 de outubro de 2026 no 3M Innovation Center em St. Paul, Minnesota, para desafios ao vivo e uma apresentação final, com US$ 25.000 e o título de Maior Jovem Cientista dos Estados Unidos em jogo. O horizonte de Sharvi é mais longo: "uma neurocientista computacional ou fundadora de uma startup de tecnologia", escreveu ela, descrevendo um fascínio vitalício pelo cérebro e um amor paralelo por "construir diferentes modelos e testar diferentes recursos ou técnicas para melhorar o desempenho do modelo". A citação ao lado de seu nome é de Kalpana Chawla, a primeira mulher indo-americana no espaço: "O caminho dos sonhos para o sucesso existe. Que você tenha a visão para encontrá-lo, a coragem para entrar nele e a perseverança para segui-lo."
“Sob a orientação de um mentor da 3M, espero levar meu projeto a um nível totalmente novo e melhorar meu modelo para que ele seja facilmente traduzido para um sistema físico.”— Sharvi Mahajan, perfil do 3M Young Scientist Challenge 2026
“O caminho dos sonhos para o sucesso existe. Que você tenha a visão para encontrá-lo, a coragem para entrar nele e a perseverança para segui-lo.”— Kalpana Chawla, a citação que Sharvi Mahajan escolheu para seu perfil de finalista
| Pessoa | País | Marco | Idade / Dado |
|---|---|---|---|
| Sharvi Mahajan | 🇺🇸 EUA | NeuroDrive Alert — Aprendizado de máquina de EEG prevendo microssono | 14 anos |
| Kevin Tang | 🇺🇸 EUA | FallGuard — Detecção de queda por vídeo em tempo real; vencedor de 2025 | 14 anos |
| Pranjali Awasthi | 🇺🇸 EUA | Fundou uma empresa de IA na adolescência | 17 anos |
| Matteo Paz | 🇺🇸 EUA | Aprendizado de máquina em dados de pesquisa infravermelha; 1,5 milhão de objetos encontrados | 18 anos |
Predição e detecção são problemas diferentes, e quase todos os sistemas de sonolência implantados resolvem o mais fácil. Optar por modelar o acúmulo de fadiga ao longo do tempo — em vez de classificar um único instante — é a escolha que um pesquisador em atividade faria, e é a razão pela qual o projeto é interessante, em vez de apenas competente.
Seu relato sobre o EEG é o diferencial. Ela descreve resolução temporal, não invasividade, impressões digitais neurais e interfaces cérebro-computador com a especificidade de alguém que leu a literatura, e não apenas o resumo. Jovens de catorze anos que conseguem explicar por que um instrumento é adequado para uma determinada classe de pergunta tendem a continuar.
Descubra Mais Crianças Prodígio
Mais de 50 histórias de jovens gênios contemporâneos que transformam o xadrez, a música, a ciência e a arte.
Explorar Todos os Prodígios →






