Informatika

---

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. Pasaulyje tyrimai šioje tematikoje yra atliekami pakankamai seniai, tačiau labai gerų rezultatų nėra pasiekta. Tyrimo tikslas būtų pritaikyti giliuosius neuroninius tinklus smegenų kompiuterio sąsajos signalų atpažinimui.

---

Tyrimų tematikos aprašas.

Blokų grandinių technologija leidžia registruoti verslo tranzakcijas internete saugiu, skaidriu, efektyviu ir audituojamu būdu. Ši technologija leidžia kurti iš tiesų autonominius išmaniuosius įtaisus, kurie gali keistis duomenimis (įskaitant verslo duomenis) be centralizuoto tarpininko pagalbos. Tarpininkų eliminavimas leistų sumažinti daugelio viešųjų paslaugų kainas, padidintų dalijimusi grįstos ekonomikos ir e-valdymo efektyvumą, galėtų prisidėti prie sumaniojo miesto vizijos įgyvendinimo. Blokų grandinių technologija leidžia sukurti vertės grandines (angl. Chains of Value), t.y. visą seką verslo procesų, kurie leidžia įmonei pateikti tam tikrą paslaugą arba produktą rinkai ir gauti atlygį saugiu, efektyviu ir nepaneigiamu būdu. Esminis tokių vertės grandinių elementas yra sumanieji kontraktai (angl. Smart Contract), t.y. autonominiai agentai (programos), veikiantis informacijos blokų grandinėse ir užtikrinantys, kad atliekant verslo tranzakcijas bus laikomasi verslo taisyklių. Sumanieji kontraktai gali nuskaityti duomenis, atlikti reikalingus skaičiavimus pagal nurodytą algoritmą ir protokolą, ir perduoti rezultatus toliau blokų grandinėse esantiems sumaniesiems kontraktams be žmogaus įsikišimo, tik laikantis nurodytų verslo taisyklių. Praktinis BG technologijų įdiegimas leistų inovatyviai transformuoti viešųjų paslaugų ir valdymo sektorių. Viena iš viešojo sektoriaus dalelių yra dėstytojai. Dėstytojų kvalifikacijai keliami labai įvairūs reikalavimai. Dokumentų, įrodančių reikalavimų tenkinimą, pateikimą ir tų reikalavimų tenkinimą prižiūri administracinis aparatas. Nors reikalavimai tik didėja ir apima vis daugiau sričių, tačiau jie neuždengia visų sričių, kuriose dėstytojai atlieka veiklas. Todėl jie lieka nepilnai įvertinti. Dėstytojai galėtų prižiūrėti dėstytojus. Tam puikiausiai tinka BG technologija. Tyrimo tikslas būtų pritaikyti blokų grandinių technologiją dėstytojų reputacijos modelio sukūrimui.

---

Tyrimų tematikos aprašas.

Nemaža dalis mūsų visuomenės rizikuoja susirgti senatvinės demencijos liga ar bent būti paveikti dalimi simptomų. Kasmet demencija nustatoma vis jaunesnio amžiaus žmonėms. Disertacijos objektas - išspręsti ankstyvosios demencijos ligos diagnozavimo iššūkį, kas ypač aktualu ankstyvame ligos etape, ko rezultate asmenims yra didžiausia galimybė pristabdyti ligos prognozavimą per ribotą intervencijų ir gydymo vaistais ciklą. Tarp uždavinių galima paminėti mašinų mokymosi algoritmų kūrimą ir mokymą, prognozuojant ankstyvųjų demencijos stadijų simptomus, remiantis įvairių multimodalinių duomenų gama, kaip EEG, ECG, akių vyzdžiai, FMRI, kognityviniai testai ir kt.

---

Tyrimų tematikos aprašas.

Nepaisant vis didėjančių DI taikymų gamybos pramonėje, visame pasaulyje vis dar ne visiškai išnaudojama dirbtiniu intelektu pagrįsta prognozuojamoji techninė priežiūra. Priežastis iš esmės yra ta, kad prognozuojamosios techninės priežiūros algoritmams apmokyti reikia daug gedimų pavyzdžių, o tai ne visada įmanoma nes dažnai specifinio gedimo net nėra buvę. Dėl šios priežasties šios disertacijos tikslas - sukurti veiksmingą neprižiūrimos prognozinės techninės priežiūros metodą, pagrįstą giliojo mokymosi algoritmais, pramoninių mašinų gedimams prognozuoti ir numatyti.

---

Tyrimų tematikos aprašas.

Duomenų kokybė yra vienas iš svarbiausių mašininio mokymosi (ML) algoritmų mokymo proceso veiksnių. Atlikta nemažai tyrimų, kuriuose detalizuojama anotuotų duomenų kokybės įtaka ML algoritmo našumui ir rezultatui, dažniausiai pasitaikančios anotacijų klaidos ir ateities problemos, kurios išryškina duomenų augimą (didieji duomenys čia aktualūs taip pat) neproporcingą ekspertų darbo jėgos didėjimui. Nepaisant didžiausių pastangų automatizuoti duomenų anotavimo procesą, tai vis dar pilnai (arba dalinai) rankinis darbas, kurį atlieka žmonės, turintys skirtingą patirtį – nuo vidutinės kvalifikacijos žmonių iki anotavimo ekspertų, todėl natūralu, kad anotacijos klaidas sukelia žmonės. Taigi sėkmingas duomenų anotavimas yra darbo jėgos iššūkis dėl dviejų priežasčių: galimybės įveiklinti ir prižiūrėti pakankamai darbuotojų, kad būtų galima apdoroti didžiulį nestruktūrizuotų duomenų kiekį; ir galimybės užtikrinti aukštą tokios didelės darbo jėgos kokybę, kas reikia papildomi testavimai, hierarchiniai tikrinimai ir pan. Su tokiomis problemomis dažniausiai susiduria veiklos ir procesai, kuriose reikalingas anomalijų aptikimas. Tai įvairūs sektoriai nuo gamybos, medicinos, saugumo iki žemės ūkio uždavinių, ir būtent juose dėl aukščiau išvardintų priežasčių ir iššūkių susijusių su duomenų žymėjimu automatinis anomalijų aptikimas yra vienas prioritetinių uždavinių. Toks poreikis ryškiausias išreiškiamas gamybos procesuose, kuriuose savalaikė reakcija į technologinius proceso nuokrypius yra būtina siekiant užtikti procesų efektyvumą. Vištienos (mėsos) gaminimo procesas yra vienas iš tokių sudėtingų sistemų pavyzdžių, kuriuose siekiant išgauti kuo daugiau produkcijos yra svarbu užtikrinti mėsinių vištų sveikatą. Paukščių sveikata priklauso ne tik nuo tiekiamo lesalo kokybės, bet ir nuo auginimo aplinkos sąlygų, tokių kaip, kraiko kokybė, drėgmė, vandens pH, fermos oro kokybė, oro komponentų santykis ir t.t. Paukštienos gamybos metu būtina sekti kiekviena parametrą ir laiku aptikti nenormalius nuokrypius. Dėl šios priežasties atsirado didelis poreikis paukščių sveikatos stebėjimui taikant telemetrines technologijas, mašininio mokymosi algoritmus ir kitas dirbtinio intelekto (DI) technologijas. Tačiau, norint sukurti tokius algoritmus ir metodus būtina išspręsti kylančius mokslinius neapibrėžtumus. Šiuo metu nėra aišku kokiais signalų apdorojimo ir dirbtinio intelekto metodais galima efektyviai aptikti anomalijas skaitmeniniuose vaizduose. Turint tinkamus ir inovatyvius sprendimus ir DI algoritmus skirtus savalaikiam anomalijų aptikimui, galima ne tik atliepti paukštininkystės sektoriaus problemas, bet ir kitų produktų (ne tik maisto) gamybos sektorių uždavinius, saugumo bei sveikatos sektorių iššūkius. Šio darbo tikslas - sukurti intelektinę, neprižiūrimojo mašininio mokymosi algoritmais grįstą sistemą, gebančią automatiškai aptikti anomalijas sudėtingų procesų skaitmeniniuose signaluose.

---

Tyrimų tematikos aprašas.

Giliojo mokymosi metodų taikymas yra daug toliau pažengęs bendro pobūdžio kompiuterinės regos srityse, nei medicininių sprendimų priėmime. Tai, labiausiai tikėtina, yra dėl didelių anotuotų skaitmeninių vaizdų imčių trūkumo. Bendra taisyklė galioja mokymesi su priežiūra – kuo didesnė imtis, tuo didesnis pasiekiamas tikslumas. Tačiau didelių anotuotų imčių gavimas yra brangus, imlus laikui, o neretai ir neįmanomas (pavyzdžiui, retų ligų atveju). Vis tik ligoninės disponuoja didelėmis neanotuotų ar dalinai anotuotų skaitmeninių medicininių vaizdų imtimis. Mokymasis su silpna priežiūra yra aktyvi tyrimų sritis ir tai galėtų dalinai išspręsti aukščiau minėtas problemas. Tačiau dauguma metodų yra sukurti ir išbandyti ant ne medicininių vaizdų. Tad, yra tyrimų trūkumas taikymo medicinoje srityje - šį trūkumą siekiama užpildyti šiuo projektu. Neseniai buvo parodyta, jog mokymasis su savi-priežiūra gali paspartinti apmokymo procesą, o taip pat mokymosi su priežiūra metodai reikalauja mažiau anotuotų duomenų pasiekti tam pačiam tikslumui. Galima kelti hipotezę, kad efektas būtų panašus ir segmentavimo su silpna priežiūra uždavinyje. Kitaip tariant, savi-priežiūra sustiprintų silpnos-priežiūros informaciją. Pagrindinė idėja yra adaptuoti mokymosi su savi-priežiūra algoritmus, su tikslu juos taikyti medicininių vaizdų segmentavimui. Vienas iš galimų kelių būtų apibrėžti bendras savi-priežiūros užduotis, nepriklausomas nuo pagrindinės užduoties (pavyzdžiui, segmentavimo). Tokios antrinės užduotys paskatintų tinklus išmokti svarbius požymius bei jų hierarchinius sąryšius.

---

Tyrimų tematikos aprašas.

Reikšmingą vietą kompiuterių moksle užima optimizavimo algoritmų dirbtinio intelekto pagrindu kūrimas ir tyrimas. Svarbią dalį sudaro euristiniai algoritmai (EA), tokie kaip lokaliosios/tabu paieškos algoritmai, genetiniai/evoliuciniai-populiaciniai algoritmai, taip pat jų kombinuoti (hibridizuoti) variantai. Kombinuotų EA veikimo efektyvumas buvo pademonstruotas dar praėjusiame šimtmetyje. Pastaraisiais metais efektyvių EA kūrimas vykdomas, stengiantis jau 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 (angl. self-similarity) idėja, kurios esmė yra ta, jog objektas (abstrakčiąja prasme), pilnai ar iš dalies sutampa su savo dalimis (kitaip tariant, visuma turi tą pačią formą, kaip ir jos dalys). Savi-panašumas yra vienas fundamentalių gamtos principų, stebimas tiek materijos struktūrose, tiek fiziniuose procesuose; todėl natūralu teigti, kad ir sudarant optimizavimo algoritmus, savi-panašumo principo panaudojimas gali būti 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, ieškant tuo pačiu įvairių patobulinimų (hibridinių HE algoritmų, populiacinių HE algoritmų ir pan.). Tai ir sudaro aktualią mokslinę problemą, o pagrindinis tyrimo tikslas yra išanalizuoti HE algoritmų efektyvumą, sprendžiant praktinius ir teorinius uždavinius. Siekiant šio tikslo, yra svarbūs tokie tikslo įgyvendinimo etapai: - HE algoritmų realizavimo būdų analizė; - HE algoritmų atskirų variantų išbandymas ir jų palyginimas tarpusavyje; - praktinio pritaikomumo (įskaitant taikymus virtualiojoje realybėje) ištyrimas. Taip būtų išsiaiškinta, kiek yra efektyvūs HE algoritmai ir kiek jie yra galimai pranašesni, lyginant su kitų tipų algoritmais.

---

Tyrimų tematikos aprašas.

Daugelis tradicinių metodų duomenų interpoliavimui ir aproksimavimui remiasi tam tikrų globalių tiesinių lygčių sistemų sprendimu. Tai smarkiai riboja tokių metodų šiuolaikinių taikymų galimybes, nes norint atlikti net ir lokalias modifikacijas, didelės apimties lygčių sistemas tenka spręsti pakartotinai. Pastaraisiais metais duomenų interpoliavimui ir aproksimavimui vis dažniau taikomi geometriniai iteraciniai metodai. Šie metodai turi intuityvią geometrinę interpretaciją, yra lengvai realizuojami programiškai, leidžia nesunkiai užtikrinti įvairius geometrinius reikalavimus. Šiuo metu tokie metodai yra taikomi kompiuteriniame geometriniame dizaine, vaizdų ir paviršių rekonstrukcijos uždaviniuose, apgrąžos inžinerijoje ir kt. Iki šiol yra mažai tirtos galimybės geometriniuose iteraciniuose metoduose pritaikyti hierarchinių splainų technologijas. Hierarchinių splainų išskirtinumas yra jų lokalaus adaptyvaus tobulinimo savybė. Praktiniuose taikymuose lokalus adaptyvumas leidžia ženkliai sumažinti reikalingų skaičiavimo resursų apimtis ir atveria galimybes žymiai sudėtingesnių uždavinių sprendimui. Tyrimo metu bus siekiama sukurti ir ištirti hierarchinių splainų technologijomis pagrįstus geometrinių iteracinių metodus duomenų aproksimavimui. Pagrindiniai uždaviniai apims adaptyviųjų geometrinių iteracinių metodų konstravimą ir programinę realizaciją bei jų teorinius ir eksperimentinius tyrimus.

---

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.

---

Tyrimų tematikos aprašas.

Hipotezių tikrinimas yra viena iš esminių duomenų tyrybos šakų, kuria remiasi daugelio kitų uždavinių sprendimas (diskriminantinė analizė, vaizdų atpažinimas ir pan.). Suderinamumo, homogeniškumo, simetriškumo bei nepriklausomumo hipotezių tikrinimo metodologija sulaukia vis daugiau dėmesio dėl naujai atsiradusių taikymo sričių: genetinės informacijos apdorojimo, astronomijos tyrimų objektų analizės, kompiuterinės technikos bei jos periferijos duomenų tyrimo ir t. t. Nors yra daugybė hipotezių tikrinimo kriterijų, įvairūs autoriai siūlo vis naujas idėjas (Nguyen, 2017; Arnastauskaitė, Ruzgas, Bražėnas, 2021). Moksliniuose darbuose minėtų hipotezių tikrinimo statistikoms naudojama daugeliu gerų savybių pasižyminti tikimybinių matų klasė, N-metrikos (Klebanov, 2005). Šiame moksliniame tyrime planuojami tyrimai leis praplėsti N-metrikų teorijos pritaikymą konstruojant hipotezių tikrinimo statistikas. Šios disertacijos doktorantas sieks pasiūlyti N-metrikų teorija paremtus kriterijus bei juos palyginti su kai kuriais klasikiniais kriterijais. Kartu su teoriniais rezultatais pasiūlytų N-metrikos tipo kriterijų galingumą ištirti, naudojant Monte-Karlo metodą. Išanalizuoti paprastos ir sudėtinės suderinamumo hipotezių homogeniškumo, simetriškumo ir nepriklausomumo kriterijus vienamačiu ir daugiamačiu atvejais. Ištirti platų alternatyvių hipotezių diapazoną. Galiausiai, sukurtus algoritmus patikrinti taikant juos realiems duomenims, naudotiems empiriniuose tyrimuose (Karpusenkaite, Ruzgas, Denafas, 2016; Milonas, Ruzgas, Venclovas, Jievaltas, Joniau, 2021).

---

Tyrimų tematikos aprašas.

Blokų grandinių (blockchain) technologijos yra plačiai naudojamos šiuolaikiniame pasaulyje, o bitcoin kriptovaliutos pavadinimas yra žinomas beveik kiekvienam suaugusiam. Šios technologijos taip pat yra svarbios ir bankams, kur gali būti panaudotos mokėjimų sistemose. Didelį vaidmenį čia turi kriptografija. Būtent kriptografinių algoritmų dėka blokai yra jungiami į grandinę. Naudojami algoritmai turi būti saugūs, kad užtikrintų technologijos atsparumą kvantinei kriptoanaizei. Tačiau šiuo metu naudojamų kriptografiniai algoritmai neužtikrina pakankamos apsaugos nuo tokių atakų. Jau yra žinomi kvantiniai algoritmai, kurie gali būti sėkmingai pritaikyti tokių technologijų analizei. Taigi, yra svarbu žengti naują žingsnį į priekį, t.y. pritaikyti nekomutatyvios kriptografijos elementus blokų grandinių technologijoms. Remiantis anksčiau paskelbtais mūsų mokslinės grupės atliktų tyrimų rezultatais, mes planuojame pasiūlyti mokėjimų sistemą, kuri būtų paremta kvantinei kriptoanalizei atsparia blokų grandinių technologija.

---

Tyrimų tematikos aprašas.

Požeminio srauto modeliavimas įvairioms reikmėms, pavyzdžiui, teršalų transportavimui, branduolinių atliekų šalinimui, geoterminiams srautams, anglies surinkimo sekvestracijai ir angliavandenilių srautams, apima skaitmeninių modeliavimo įrankių naudojimą. Tokių srauto problemų skaičiavimo sritys dažnai yra labai didelės ir siekia kelis km. ir taikymas didelėse probleminėse srityse, dažnai patenka į KM mastą. Nors skaitmeninio modeliavimo įrankiai gali tiksliai užfiksuoti srauto fiziką, jie yra labai brangūs dėl daugiafizikos ir daugialypio srauto problemų pobūdžio. Neseniai tobulėjant giliu mokymusi pagrįstuose metoduose, Virgina Tech ir MIT mokslininkai įrodė, kad galima sukurti duomenimis pagrįstus modelius, skirtus PDE problemoms spręsti naudojant giluminio mokymosi konvoliucinius neuroninius tinklus. Mokslinius darbus taip pat atliko KTU Matematinio modeliavimo katedros mokslininkai, kurie įrodė, kad sprendžiant problemas, susijusias su angliavandenilių srauto modeliavimu, galima taikyti giluminio mokymosi metodus. Pagrindinis šio tyrimo tikslas – sukurti giluminiu mokymusi pagrįstus metodus kuriant bendrosios paskirties įrankių rinkinį „gilaus mokymosi pagalba požeminių duomenų laboratorija“, kuris padės ištirti giluminio mokymosi metodų išplėtimo galimybes sprendžiant požeminio srauto problemas įvairovei. tokių programų kaip teršalų transportavimas, branduolinių atliekų šalinimas, geoterminiai srautai, anglies surinkimo sekvestracija ir angliavandenilių srautai. Bus sukurtas atvirojo kodo įrankių rinkinys, skirtas duomenimis pagrįstam požeminių srautų modeliavimui. Ne mažiau kaip keturi straipsniai, paskelbti Tarptautiniuose žurnaluose su poveikio veiksniais per ketverių metų doktorantūros studijų laikotarpį.

---

Tyrimų tematikos aprašas.

Daugelyje rezervuarų dažniausiai galime aptikti įtrūkimų (paprastai karbonatiniuose ir sandariuose dariniuose), kurie gali turėti reikšmingą poveikį srautui ir transportavimui kaip angliavandenilių gamybos, CO2 sekvestracijos, teršalų transportavimo, branduolinių atliekų šalinimo ir pesticidų transportavimo atveju. Ankstesni modeliai sugebėjo užfiksuoti kai kuriuos trūkių efektus darančius įtaką srautui, tačiau šie modeliai nukenčia nuo modelio prielaidų, tokių kaip idealizuotas ryšys ir patogus derinimas su modeliavimui pasirinktais tinkleliais. Dabartiniai modeliai matricas ir lūžius traktuoja kaip skirtingas terpes, bendraujančias per masės mainų veiksnius. Praktikoje naudojamos modelio prielaidos paprastai yra dvigubo poringumo ir dvigubo pralaidumo modeliai (dvigubo kontinuumo modeliai), kurie grąžina dideles atsigavimo įverčių paklaidas O (1) dėl būdingų šiems modeliams konceptualių apribojimų. Dvigubo kontinuumo modeliai įneša papildomų laisvės laipsnių, kadangi yra atsiejama matricos bei lūžio terpės ir yra naudojami mainų faktoriai, kurie priklauso nuo proceso ir geometrijos. Diskretaus trūkių tinklo srauto simuliatorius kartu su plačiai pritaikomu tinklelio generavimo įrankiu, kuris bus tiesiogiai taikomas lūžių modeliavimui DFN skalėje ir rezervuaro skalėje, kai nustatomos sudėtingos rezervuaro savybės, pvz., iškrypusių šulinių modeliavimas ir gedimai. Tinklo generavimas iš pradžių dirbs su 2-D tinklo generavimu, apimančiu mišrių tipų tinklelio ląsteles (trikampius ir keturkampius), o po išsamaus bandymo jis bus išplėstas ir iki 3-D. Simuliatorius turės galimybę atlikti vienfazio srauto modeliavimą ir padidinti porėtos terpės savybes. Transporto modeliavimo galimybių kūrimas naudojant DFN modeliavimo įrankį leis sukurti unikalią plėtrą. Naujasis funkcionalumas apsvarstys įvairias reakcijas vandeninėje fazėje tarp cheminių medžiagų vandeninėje fazėje ir mineralų, susietų su transportavimo procesais DFN simuliatoriuje. Pagrindinis RMT diegimo veiksnys yra orientuotas į DFN simuliatoriaus, turinčio unikalų gebėjimą įvertinti ilgalaikį CO2 sekvestracijos, vandenilio saugojimo, dujų saugojimo, teršalų ir pesticidų transportavimo skilusioje poringoje terpėje, likimą.

---

Tyrimų tematikos aprašas.

Kompiuterinė rega, tai tarpdisciplininė sritis, kurioje nagrinėjami kompiuteriniai algoritmai, skirti aukšto lygio sprendimų priėmimui, panaudojant skaitmeninių vaizdų ar vaizdo įrašų duomenis. Šiais sprendimais siekiama automatizuoti užduotis, kurias galėtų atlikti žmogus. Kompiuterinės regos sistemos yra naudojamos daugelyje sričių, įskaitant gamybos, medicinos, eismo stebėjimo, apsaugos sistemas ir kt. Kompiuterinės regos metodai leidžia automatiškai analizuoti svarbią informaciją apdorojant didelius duomenų srautus. Dirbtinio intelekto algoritmai pastaruoju metu yra neatsiejama kompiuterinės regos uždavinių sprendimo dalis. Siūlomoje tematikoje bus siekiama pagerinti esamas bendras metodikas orientuojantis į konkrečius specifinius gamybinius bei realaus pasaulio procesus, siekiant gauti didesnį efektyvumą bei patikimumą, tyrimuose adaptuojant bei tobulinant mašininio mokymosi metodus apimančius Sprendimų medžius, K artimiausių kaimynų, Na?ve Bayes, Atraminių vektorių klasifikatorių, Tiesioginio sklidimo neuroninius tinklus bei Konvoliucinius neuroninius tinklus. Čia kompiuterinės regos užduotys apims skaitmeninių vaizdų gavimo, apdorojimo, analizės ir interpretavimo metodus; daugiadimensinių realaus pasaulio duomenų gavybą, siekiant gauti skaitmeninę arba simbolinę informaciją, pavyzdžiui, priimamų sprendimų formoje. Duomenų interpretavimas šiame kontekste reiškia skaitmeninių vaizdų pavertimą aprašais, kurie gali būti susieti su kitais veiksmų procesais ir pasiūlyti tolimesni tinkami sprendimai. Orientuojantis į realius teikiamų paslaugų arba gamybinių procesų pavyzdžius, bus siekiama gautus algoritmus pritaikyti ir ištestuoti praktikoje. Taikymo pavyzdžiais gali būti kompiuterinio matymo sistemos išmatuojančios ir skaičiuojančios gaminius arba ruošinius, įvertinančios jų svorį, formą arba apimtį ir tikrinančios objektus dideliu greičiu, atsižvelgiant į jų iš anksto nustatytas charakteristikas. Šiame tyrime tikimasi, kad bus tobulinamos esamos metodikos ir įdiegtos naujos mokslinių tyrimų idėjos, pagrįstos dirbtinio intelekto bei naujomis euristikos metodikomis.

---

Tyrimų tematikos aprašas.

Temos aktualumą pirmiausiai apsprendžia tas faktas, kad realaus pasaulio sistemos, kaip taisyklė, yra netiesinės. Netiesinių sistemų viena iš pagrindinių savybių yra ta, kad net esant paprastam tokių sistemų sužadinimui, jų reakcija gali būti labai sudėtinga. Galimybė kontroliuoti ir valdyti tokių chaotinių sistemų reakcijas ir sudaro planuojamų tyrimų tikslą ir aktualumą. Mokslinę problemą sudaro keli susiję etapai. Pirmiausia būtina identifikuoti chaotinių sistemų dinamiką aprašančius matematinius modelius. Tuomet, reikia kurti šių sistemų stabilizavimo (tame tarpe ir laikino stabilizavimo algoritmus). Galiausiai, bus kuriami chaotinių sistemų valdymo modeliai ir metodikos, kas ir sudaro pagrindinę keliamų mokslinių problemų dalį. Disertacijoje keliamus uždavinius galima sugrupuoti į kelias grupes. Matematinių modelių identifikavimo uždavinių grupėje planuojama vystyti H-rangų teoriją ir ją pritaikyti tarpusavyje sąveikaujančioms sistemoms įvairių architektūrų tinkluose su vėlinimais ir trupmeninės eilės išvestinėmis. Sudėtingų chaotinių sistemų stabilizavimo uždavinių grupėje planuojama spręsti tokias naujas problemas kaip dalies tinklo mazgų laikinas stabilizavimas, tinklo mazgų dalinė saviorganizacija bei divergavimo sustabdymas. Valdymo metodikų ir algoritmų kūrimo srityje bus sprendžiami uždaviniai apie viso tinklo stabilizavimą (tame tarpe ir laikiną stabilizavimą), organizavimą į specialias struktūras, ir tų struktūrų valdymą. Laukiami rezultatai – bent kelios publikacijos Q1-Q2 lygio tarptautiniuose žurnaluose, keli pranešimai tarptautinėse konferencijose, dalyvavimas projektinėje veikloje, rezultatų taikymai žmogaus širdies-kraujagyslių sistemos modelių tyrimuose.

---

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. 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

---

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.

---

Tyrimų tematikos aprašas.

Tikslesniam baterijos įkrovimo būsenos (SOC) ir baterijos sveikatos būsenos (SOH) įvertinimui, taip pat įkrovimo ciklų ir bendro baterijos naudojimo optimizavimui galėtų būti naudingi tokie sprendimų palaikymo įrankiai, kurie geriau (greičiau ir tiksliau) panaudoja ir transformuoja signalus gaunamus iš baterijų valdymo sistemos (BMS). Tyrimo tikslas – sukurti metodą ir sistemą, naudojamus BMS palaikymui, galinčią autonomiškai stebėti baterijos SOH ir įvertinti įvairių tipų gedimų riziką bei teikti lengvai interpretuojamas rekomendacijas ir sprendimus dėl baterijos naudojimo. Uždaviniai ir laukiami rezultatai: 1. Duomenų rinkimas ir giliųjų neuroninių tinklų architektūrų kūrimas SOH stebėsenai (identifikavimui, apibūdinimui ir klasifikavimui) bei duomenų heterogeniškumo ir priklausomybės nuo laiko nagrinėjimui. 2. Sukurtų modelių ir rizikos analizės metodo taikymas bei testavimas įvairių duomenų atvejų (pvz. anotuotų BMS duomenų imties), atsižvelgiant į duomenų transformacijos optimizavimo ir kalibravimo rezultatus. 3. Programinės įrangos kūrimas, skirtas SOH stebėsenos giliajam mokymuisi, atsižvelgiant į duomenų heterogeniškumą ir rizikos analizę. Programinė įranga bus išleista pagal GNU bendrąją viešąją licenciją, kurią suinteresuotos šalys galės nemokamai naudoti. Detalesnės informacijos apie tematiką ir susijusius MTEPI darbus teirautis vadovo.