Informatika

Informatika (09P) yra Kompiuterių mokslu ir Skaičiavimų mokslu besiremianti mokslo kryptis. Joje tiriama, pasitelkiant nagrinėjamo objekto arba sistemos matematinius modelius, sukuriant atitinkamus simuliavimo algoritmus ir jais gaunant mokslui ir praktikai svarbius rezultatus. KTU+VDU+VGTU 09P kryptyje studijuoja doktorantai, tiriantys duomenų analizės, signalų ir vaizdų analizės, imitacinio modeliavimo, kompiuterinės intelektikos, fizikinės elgsenos bei bendrųjų dinaminių modelių kūrimo ir tyrimo, kriptografijos algoritmų, sistemų formalizavimo ir aukšto lygmens specifikacijų transformavimo ir pan. tyrimų laukuose. Kai kurie iš šių tyrimo laukų gali būti priskiriami taip pat ir Informatikos inžinerijos (07T) mokslo krypčiai, nelygu kuris aspektas – matematinis sistemos modelis ar inžinerinis-architektūrinis modelio realizavimo aspektas yra dominuojantis.

teikti prašymą

Pakopa	Trečiosios pakopos studijos
Kalba	Lietuvių kalba, Anglų kalba
Trukmė	4 m.
Laipsnis	Mokslų daktaras

Partneriai

Vytauto Didžiojo universitetas
Vilniaus Gedimino technikos universitetas

Tyrimų tematikos

Tematikos pavadinimas	Galimi moksliniai vadovai	Finansavimo šaltinis
Smegenų-kompiuterio sąsajos signalų atpažinimo metodų tyrimas ir kūrimas giliųjų neuroninių tinklų pagrindu	prof. dr. Vacius JUSAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Natūrali vartotojo sąsaja – tai žmogaus ir kompiuterio bendravimo forma, kuomet vartotojas duoda komandas natūraliais kasdieniniais veiksmais. Tokia sąsaja gali būti realizuota įvairiais būdais priklausomai nuo paskirties ir vartotojo reikalavimų. Natūralūs ir paprasti technologijų valdymo būdai sutrumpina apmokymams skirtą laiką. Smegenų – kompiuterio sąsaja (Brain – Computer interface) yra sistema, kuri smegenų aktyvumą verčia į valdymo signalus kompiuteriui ar kitam elektronikos prietaisui. Šios sąsajos taikymo galimybės gan plačios, nuo pagalbos neįgaliesiems iki žaidimų kūrimo. Nepaisant to, kad neurologai tiksliai nežino kaip neuronai smegenyse apdoroja žmogaus jutimus ir formuoja raumenų valdymo signalus, yra galimybė matematiniais algoritmais analizuoti ir interpretuoti šią neuronų veiklą. Šiam tikslui pasiekti reikia būdų tiksliai ir patikimai fiksuoti smegenų aktyvumą. Elektroencefalograma (EEG) yra vienas iš tų būdų. Tai neinvazinis galvos smegenų bioelektrinio aktyvumo tyrimas, kurio metu registruojami galvos smegenų elektriniai potencialai. Kadangi EEG signalai yra netiesiniai ir priklauso nuo kiekvieno asmens yra sudėtinga išskirti konkrečius valdymo signalus. Tam reikia naudoti save apsimokančius algoritmus, tokius kaip dirbtiniai neuronų tinklai ar atraminių vektorių mašinos. Paveikslų atpažinime ir klasifikavime labai gerus rezultatus rodo gilieji neuroniniai tikslai. Smegenų aktyvumo signalus galima atvaizduoti paveikslu. Tyrimo tikslas būtų pritaikyti giliuosius neuroninius tinklus smegenų kompiuterio sąsajos signalų atpažinimui.
Mašininiu mokymu paremtas modelis, mechaninio gedimo aptikimui garsinio triukšmo aibėje	prof. dr. Rytis MASKELIŪNAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Įvairūs gamyklų įrengimai bei staklės dėvisi ir dažnai to paseka yra gedimas, kurį sunkus nustatyti naudojant įprastinius jutikliai. Šia tematika keliama hipotezė kad mechaninius gedimus galima išskirti pagal akustinius požymių rinkinius (analizuojant gamyklos garsinę aplinką mikrofonais). Akcentuojamas naujumo aspektas yra tas, kad gamybinė aplinka dažnai yra itin triukšminga, todėl čia ir keliamas tyrimų tikslas – sukurti bei ištirti specialų mašininiu mokymu paremtą kompiuterinį modelį, mechaninio gedimo aptikimui garsinio triukšmo aibėje. Būtinos žinios: dirbtinio intelekto metodai, objektinis programavimas, signalo apdorojimas
Laikysenos nustatymo modelis apribotų duomenų scenarijams	prof. dr. Rytis MASKELIŪNAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Šio darbo idėja paremta, prie riboto duomenų rinkinio bei ribotų vaizdinių sąlygų veikiančio modelio sukūrimu, siekiant sumažinti ar pašalinti laikysenos aptikimą ribojančias problemas, susijusias su riboto matomumo žmogaus liemeniu kadre jam sėdint prie stalo, t.y. okliuzijos problemą, taip pat dirbtinio intelekto metodais kompensuojant priklausomybę nuo kameros kampų, signalo aiškumo ir aplinkos apšvietimo bei kitų faktorių įtakos. Temos naujumas grindžiamas tuo, kad dabartiniai technologiniai apribojimai veda prie to, kad skeletu paremti, esami laikysenos nuspėjimo ir aptikimo metodai neveikia dėl to, kad jutikliai gauna nepakankamai duomenų, leidžiančių daryti išvadą apie visą žmogaus poziciją (priskyrimą „kaulinei sistemai“), ar atsirandant iškraipymų, ribojančių šio modelio aplikaciją. Būtinos žinios: dirbtinio intelekto metodai, objektinis programavimas, signalų apdorojimo technologijos.
Ilgų sekų priklausomybių įvertinių projektavimas ir tyrimas	doc. dr. Tomas RUZGAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Per paskutinius keliasdešimt metų fundamentalūs atradimai molekulinės biologijos srityje padarė ją centrine biologijos mokslų disciplina. Iššifravus ištisus organizmų genomus atsivėrė kelias, taip vadinamoms post-genomics eros technologijoms. Jos dažnai remiasi kompiuterine viso genomo analize. Bioinformatikoje naudojamos netgi trumpos sekos, paprasčiausios gyvybės formos – viruso – genomas gali būti labai didelės ir viršyti 3,5xE5 nukleotidų. Bakterijų genomai turi nuo 0,5xE6 iki 10xE6 nukleotidų. Žmogaus genomas yra apie 3,12xE7 ilgio. Atvaizduoti tokios apimties duomenis - didelė problema. Trumpos sekos dažnai lyginamos tarpusavyje, tačiau kai jų daug, rezultatus sunku aprėpti. Muzikos kūrinius taip pat sudaro tam tikrų informacijos vienetų – natų – sekos. Jų ilgiai lyginant su nukleotidų sekų ilgiais yra daug trumpesni: vienas ilgiausių klasikinės muzikos kūrinių – Ludwig van Beethoven Symphony No. 9 in D minor – trunka beveik 70 min. ir yra apie 3,8xE4 natų ilgio. Žinomi ir ilgesni kūriniai: Frederic Rzewski The Road tikriausiai ilgiausias solo pianinui trunkantis 10 valandų, ar Jacob Mashak Beatus Vir 11 valandų kūrinys dviems pianinams. Tačiau netgi E3 eilės natų sekas nėra lengva aprėpti ir palyginti didesnę jų aibę. Be to, didesnis skirtingų natų skaičius, lyginant su keturiais nukleotidais, reikalauja ir didesnės matavimų (dimensijos) erdvės analizėje. Nevienoda natų trukmė šį uždavinį padaro dar sudėtingesnį. Šio mokslinio tyrimo tikslas – sukurti žinias apie ilgų sekų autokoreliuotumą grįstą metodais, kurie būtų efektyvūs esant nestacionariems duomenims. Norint pasiekti šį tikslą reikia kompiuterinio modeliavimo būdu ištirti matematinius įvertinius paremtus neparametrine analize.
Finansinių tinklų ir jų topologijos modeliavimas naudojant grafų teoriją	doc. dr. Kristina ŠUTIENĖ	valstybės nefinansuojama	Tyrimų tematikos aprašas. Pastaruoju metu grafų teorijos metodai sulaukia didelio susidomėjimo finansų ir ekonomikos srityse. Priežastis yra ta, kad finansiniai subjektai ir rinkos yra stipriai susiję globalizuotame pasaulyje, ir grafų teorija kaip pagrindas gali būti taikytina šio sudėtingo finansinio tinklo struktūros aprašymui ir modeliavimui. Tokiu būdu sudarytas modelis gali būti naudojamas tirti tokias finansinio tinklo charakteristikas, kaip rinkos stabilumas, užkrato plitimas tinkle, rizikos nutekėjimas, pasidalinimas tarp tinklo subjektų, šoko sklidimas tinkle, ir pan. Šių atskirų klausimų sprendimas priklauso nuo tinklo topologijos ir galimos jo evoliucijos laike. Todėl šio darbo tikslas yra plėtoti metodus skirtus finansinio tinklo ir jo topologijos modeliavimui, orientuojantis į finansinės rizikos vertinimą priklausomai nuo tinklo charakteristikų. Jau paskelbtų darbų kontekste, šio tyrimo metu bus siekiama apibendrinti rizikos vertinimą tiek visam tinklui, tiek atskiriems subjektams ieškant sąsajų su tinklo topologija, stabilumu ir tikėtina evoliucija ateityje.
Daugiakriterijinis investicinių sprendimų priėmimas naudojantis paaiškinamu dirbtiniu intelektu	doc. dr. Audrius KABAŠINSKAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Dirbtinis intelektas yra viena XXI a pradžios karštųjų temų fiziniuose ir technologiniuose moksluose. Didelio masto investuotojai tokie kaip pensijų fondai, bankai ir investicinės bendrovės dirbtinio intelekto principus naudoja jau kurį laiką, tačiau dažniausiai jų naudojami metodai apsiriboja mašininiu mokymu ar dirbtiniais neuroniniais tinklais. Gauti sprendimai būna sunkiai paaiškinami ir interpretuojami, o blogiausia yra tai, kad dažnai neįmanoma patikrinti ar gautas sprendinys yra būtent tas kurio mes ieškome ir ar jis optimalus. Kadangi investiciniai sprendimai dažniausiai priklauso nuo daugelio faktorių, tokių kaip tikėtinas pelningumas, rizika, etika, investuotojo rizikos profilio ir asmeninių savybių ir pan., tai kuriant autonominę sistemą ar robo-patarėją būtina atsižvelgti į juos visus. Neretai tokius uždavinius išspręsti pavyksta gana nesudėtingai įprastais metodais, tačiau didėjant informacijos kiekiams ir kriterijų skaičiui uždavinio sudėtingumas gali pasidaryti nepakeliamas net ir superkompiuteriams. Todėl būtina kurti naujus dirbtiniu intelektu pagrįstus metodus, kurie būtų suprantami ir paaiškinami, o jų rezultatus būtų galima validuoti. Todėl pagrindinis tikslas yra: sukurti tokius dirbtinio intelektu grįstus metodus kurie būtų paaiškinami ir interpretuojami daugeliui investicinių sprendimų priėmėjų. Kita informacija. Tematika susijusi su projetais: • „A FINancial Supervision and TECHnological Compliance training programme – FIN-TECH“, Nr. H2020-ICT-2018-2, 2019–2021, https://www.fintech-ho2020.eu/ . • „Fintech and Artificial Intelligence in Finance – Towards a transparent financial industry“, Cost Action 19130, 2020-2024, https://fin-ai.eu/ • DyMoDiF – dynamic models for digital finance, Czech Science Foundation, 2019–2023
Hierarchiniai (savi-panašūs) euristiniai algoritmai kombinatorinio optimizavimo uždaviniams	prof. dr. Alfonsas MISEVIČIUS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Reikšmingą vietą kompiuterių moksle užima optimizavimo algoritmų dirbtinio intelekto pagrindu kūrimas ir jų tyrimas. Svarbią dalį sudaro euristiniai algoritmai (EA), tokie kaip lokaliosios/tabu paieškos algoritmai, genetiniai/evoliuciniai algoritmai, taip pat jų kombinuoti variantai. Kombinuotų EA veikimo efektyvumas buvo pademonstruotas dar praėjusiame šimtmetyje. Pastaraisiais metais efektyvių EA kūrimas vykdomas, stengiantis ne tik kombinuoti įvairius algoritmus, bet ir tobulinant pačią algoritmų architektūrą. Viena iš perspektyvių krypčių yra hierarchinės struktūros (hierarchinių) euristinių (HE) algoritmų kūrimas. HE algoritmų esmė glūdi tame, jog kuris nors efektyviai veikiantis įprastinis EA panaudojamas ne vieną, o daug kartų. Taip iš pradžių gaunamas iteratyvusis, daugkartinio panaudojimo algoritmas, kuris savo ruožtu vėl gali būti panaudotas daug kartų. Taip galima tęsti ir toliau. Šį daugkartinio panaudojimo procesą ir vadiname hierarchiniu algoritmu. Hierarchinis algoritmų sudarymo būdas siejasi su savi-panašumo idėja, kurios esmė yra ta, jog yra formuojamas objektas (abstrakčiąja prasme), pilnai ar iš dalies sutampantis su savo dalimis (kitaip tariant, visuma turi tą pačią formą, kaip ir visumą sudarančios dalys). Savi-panašumas yra vienas iš fundamentalių gamtos principų, stebimas tiek materijos struktūrose, tiek fiziniuose procesuose; todėl natūralu teigti, kad ir sudarant optimizavimo algoritmus, savi-panašumo principo panaudojimas gali būti tikrai pasiteisinantis ir naudingas. Nors tai ir nėra labai nauja idėja, hierarchinis algoritmų principas vis dar yra preliminarioje tyrimų stadijoje. Reikalingas tolimesnis HE algoritmų kompiuterinis tyrimas. Tai ir sudaro aktualią mokslinę problemą, o pagrindinis tyrimo tikslas yra išanalizuoti HE algoritmų efektyvumą, sprendžiant praktinius ir teorinius uždavinius.
Duomenų mokslu ir dirbtiniu intelektu pagrįsta duomenų sistemų efektyvumo analizė ir klientų segmentavimas	prof. dr. Robertas ALZBUTAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Tyrimo tikslas - sudaryti duomenų mokslu ir dirbtiniu intelektu pagrįstą duomenų sistemų efektyvumo analizės ir klientų segmentavimo metodiką bei išbandyti ir pademonstruoti jos taikymui sudarytas programines priemones. Tyrimo uždaviniai: 1. Išplėtoti duomenų sistemų efektyvumo ir klientų segmentavimo koncepciją ir metodus; 2. Paruošti didžiųjų duomenų tyrybai bei mašininiam mokymuisi skirtas priemones ir modelius; 3. Sukurti duomenų sistemų optimizavimo koncepciją, kuri atsižvelgtų į sistemų vartotojų elgesį; 4. Sujungti duomenų tyrybos ir mašininio mokymosi bei optimizavimo koncepcijas ir pademonstruoti visa tai, kaip vieningą metodiką, įgalinančią duomenų sistemų efektyvumą. Detalesnės informacijos teirautis tematikos mokslinio vadovo.
Mašininio mokymosi ir informacijos integravimo tyrimai ligų prognozavimui ir sveikatos apsaugai	prof. dr. Robertas ALZBUTAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Šio tyrimo tikslas yra mašininio mokymosi ir informacijos integravimo metodikos sukūrimas bei bandomieji skaičiavimai skirti kaip galima tikslesniam ligų prognozavimui ir sveikatos apsaugai. Uždaviniai: 1. Apžvelgti ir palyginti informacijos integravimo metodų ir algoritmų bei susijusių programinių priemonių ir sveikatos apsaugai skirtų mašininio mokymosi metodų taikymo galimybes. 2. Apibrėžti informacijos integravimo ir išmaniųjų sistemų tikslumo kriterijus bei jų vertinimo procedūras, nagrinėjant sveikatos apsaugoje aktualius duomenis. 3. Išplėtoti ir pademonstruoti tas informacijos integravimo priemones, kurių taikymas padidina tikslumą ir/ar sumažina klaidingų sprendimų riziką. 4. Atlikti sveikatos apsaugai skirtų išmaniųjų sistemų bandomuosius skaičiavimus ir sudaryti šių sistemų efektyvaus taikymo metodiką. Detalesnės informacijos teirautis tematikos mokslinio vadovo.
Intelektinis judesio animacijos priderinimo modelis prie dinamiškai kintančių sąlygų	prof. dr. Rytis MASKELIŪNAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Šiais laikas animacijos ir jų panaudojimas yra neatsiejama dalis skaitmeninėse pramogose. Taipogi, judesio derinimas yra viena iš animacijos mažai paliestų sričių. Tyrimas, kaip gilieji, nuolat besimokantys neuroniniai tinklai galėtų prisidėti prie judesio derinimo animacijų, išlieka aktualus. Tyrimo tikslas - sukurti ir ištirti modelį, kuris gebėtų judesio animacijas dinamiškai priderinti prie konkrečios situacijos, pagal jėgos, judesio ar kitus vektorius veikiančiu objektą tam tikroje vietoje, atsiribojant nuo klasikinio fiksuoto animacijų rinkinio. Būtinos žinios: dirbtinio intelekto metodai, objektinis programavimas, animavimo metodai, žaidimų technologijos.
Generatyviniais tinklais paremtas modelis, realistinių animacijų generavimo nuo nulio, pagal dinaminius požymius	prof. dr. Rytis MASKELIŪNAS	valstybės nefinansuojama	Tyrimų tematikos aprašas. Pagrindinis šios temos tikslas yra generatyviniais tinklais pagrįstas dinaminių judesių generavimo modelis, gebantis generuoti realistines animacijas pagal eilę dinaminių interaktyvios scenos imitacinių parametrų. Šios temos naujumo akcentas yra ties idėja, modeliuoti realistinius animacinius judesius natūraliau ir interaktyviau (nuo nulio), naudojant „tiesioginę“ programavimo animacijos logiką, derinant dirbtinį intelektą, biomechaniką, fiziką ir daugybę kitų dinaminių interaktyvios terpės veikimo metu galimų parametrų. Būtinos žinios: dirbtinio intelekto metodai, objektinis programavimas, skaitmeninės animacijos programavimas.

atsisiųsti tematikų sąrašą

Stojimo sąlygos

Minimalūs reikalavimai

Priėmimo į doktorantūrą atvirame konkurse gali dalyvauti asmenys, turintys magistro kvalifikacinį laipsnį arba jam prilygintą aukštąjį išsilavinimą

Į mokslo krypties doktorantūros studijų programą stojantieji priimami konkurso būdu pagal konkursinį balą. Minimalus konkursinis balas 7.0

Priėmimo tvarka

Privalomi dokumentai stojimui į doktorantūrą:

prašymas, kuriame nurodyta mokslo kryptis, tematika ir finansavimo forma (užpildomas online)
magistro arba jį atitinkančios kvalifikacijos mokslo baigimo diplomas ir jo priedėlis
gyvenimo aprašymas
mokslo krypties, į kurią stojama, dviejų mokslininkų rekomendacijos
mokslo darbų sąrašas (pateikiamas pilnu bibliografiniu aprašu) ir jų kopijos, jei tokių darbų nėra – mokslinis referatas, kurio (-ių) tema (-os) suderinta (-os) su prašyme nurodyta (-omis) disertacijos (-ų) tematika
paso asmens duomenų puslapio arba asmens tapatybės kortelės kopija
stojamosios studijų įmokos kvito kopija (40 Eurų ES piliečiams, 100 Eurų ne ES piliečiams)
IELTS, TOEFL, CEFR ar kitos kompetentingos institucijos ne anksčiau nei prieš 2 metus išduota pažyma, įrodanti anglų kalbos lygį, jei stojančiojo pirmosios ir antrosios pakopos studijos baigtos ne anglų kalba

Dalyvauja motyvaciniame pokalbyje

Pasirašo studijų sutartį (jeigu pakviestas studijuoti)

datos ir terminai

Atrankos kriterijai ir svertiniai koeficientai

Magistro diplomo priedėlio pažymių svertinis vidurkis	0,45
Mokslinė patirtis Mokslinė patirtis pagal dešimtbalę sistemą (publikacijos, įvertintos taškais pagal galiojančią Lietuvos Respublikos Švietimo ir mokslo ministro įsakymu patvirtintą mokslinės produkcijos vertinimo metodiką, arba mokslinis referatas ir kita mokslinė patirtis, ir mokslinės kvalifikacijos, mokslinių publikacijų ir mokslinės patirties atitikimas doktorantūros tematikai).	0,3
Motyvacinis pokalbis, įvertinant ir užsienio kalbos mokėjimą	0,2
Mokslininkų rekomendacijos	0,05

Studijų programos moduliai

Šiuos modulius siūlo Informatikos mokslo krypties doktorantūros komitetas. Iš jų privalu pasirinkti tik P170D101 „Informatikos matematiniai modeliai“. Tarp modulių yra du, siūlomi mūsų partnerių iš VDU ir VGTU. Galima rinktis KTU dėstomus ir kitų universitetų siūlomus doktorantūros modulius, suderinus su darbo vadovu ir Informatikos mokslo krypties doktorantūros komitetu.