| Tematikos pavadinimas |
Galimi moksliniai vadovai |
Finansavimo šaltinis |
|
Dinaminio miškų anglies dioksido absorbcijos vertinimo metodas
|
prof. dr. Rytis Maskeliūnas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Pastaruoju metu tiek Lietuvos, tiek Europos Sąjungos klimato politikoje daug dėmesio skiriama anglies dioksido apskaitos tikslumo didinimui, siekiant ambicingų anglies dioksido neutralumo tikslų pagal Europos ekologinį susitarimą. Miškai, kaip gyvybiškai svarbūs anglies dioksido absorbentai, atlieka svarbų vaidmenį šioje strategijoje, ypač pagal Žemės naudojimo, žemės naudojimo paskirties keitimo ir miškininkystės (LULUCF) reglamentus. Tačiau vis dar sudėtinga pakankamai tiksliai apskaičiuoti miškų anglies dioksido sekvestraciją taip, kad ji atitiktų kintančius ES politikos ir būsimo apmokestinimo reikalavimus. Tam reikia kurti skaidrius ir dinamiškus, realią situaciją atspindinčius metodus. Tradiciniai statiniai anglies sankaupų apskaičiavimo modeliai netinka dėl miškų ekosistemų sudėtingumo ir kintamumo bei neįvertinamo klimato kaitos poveikio. Dirbtinis intelektas čia gali apdoroti didelius duomenų rinkinius ir fiksuoti netiesinius ryšius.
Šioje temoje būtų siekiama sukurti naujausius dirbtinio intelekto pagrindo metodus, skirtus pagerinti miškų anglies dioksido sekvestracijos vertinimą, taikant dinaminio modeliavimo metodus, integruojant nuotolinio stebėjimo duomenis, klimato kintamuosius ir miškotvarkos praktiką. Kuriami prognozavimo modeliai turėtų būti pritaikyti didelės skiriamosios gebos palydovinėms nuotraukoms, LiDAR duomenims ir aplinkos kintamiesiems apdoroti, kad būtų galima padidinti anglies dioksido srauto matavimo tikslumą ne tik Lietuvos, bet ir kitose Europos miškų ekosistemose. Šie modeliai turėtų ne tik įvertinti dabartines anglies sankaupas, bet ir prognozuoti būsimą sekvestracijos potencialą, remiantis žemės paskirties keitimo, miškų kirtimo ir atsikūrimo scenarijais. Kad šiuos modelius galėtų naudoti politikos formuotojai ir jie atitiktų griežtus ES nustatytus skaidrumo ir atskaitomybės kriterijus, tyrimų metu būtina panaudoti ir paaiškinamąjį dirbtinį intelektą (XAI).
|
|
Hibridinio optimizavimo metodo sukūrimas roboto valdymui pasitelkiant DI platformą ir jo mokslinis tyrimas
|
prof. dr. Renaldas Urniežius |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Jei aistringai domitės dirbtinio intelekto platformų tobulinimu ir hibridinių robotikos bei automatizavimo modelių kūrimu, kviečiame pradėti doktorantūros studijas kartu su mūsų komanda ir prisidėti prie novatoriškų tyrimų technologijų srityje.
|
|
Kibernetinio atsparumo skaitmeninėse ekosistemose vertinimo modelis ir tyrimas
|
prof. dr. Šarūnas Grigaliūnas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Kibernetinio atsparumo strategijų tobulinimas siekiant apsaugoti skaitmenines ekosistemas nuo vis sudėtingesnių kibernetinių grėsmių. Atsižvelgiant į nuolat augantį organizacijų, verslo ir valstybinių struktūrų skaitmeninimą bei tarpusavio ryšius, šis tyrimas orientuotas į pažangių atsparumo strategijų kūrimą ir pritaikymą, leidžiantį efektyviau atlaikyti ir atsigauti po kibernetinių incidentų. Tyrimo rezultatai prisidės prie saugesnio skaitmeninio ekosistemų kraštovaizdžio kūrimo ir padės užtikrinti ilgalaikį skaitmeninių infrastruktūrų saugumą bei veiklos tęstinumą.
|
|
Mašininio mokymosi ir informacijos integravimo tyrimai ligų prognozavimui ir sveikatos apsaugai
|
prof. dr. Robertas Alzbutas |
valstybės finansuojama |
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.
|
|
Miško stebėsenos metodai naudojant sutelktinį mokymąsi miško vystymosi prognozavimui
|
prof. dr. Rytis Maskeliūnas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Miškai yra vis labiau paveikiami klimato kaitos ir antropogeninių veiksnių, tad miškų ekosistemų stebėsena realiuoju laiku jau tapo itin svarbia priemone kontroliuojant miško sveikatą ir užkertant kelią miško ligoms. Pastaraisiais metais sparčiai vystomi daiktų interneto (IoT) jutikliai, galintys stebėti pagrindinius medžių parametrus, tokius kaip dirvožemio drėgmė, medžių sulčių tekėjimas, oro temperatūra, drėgmė ir aplinkiniai aplinkos veiksniai.
Šioje disertacijoje daugiausia dėmesio turėtų būti skiriama patikimai dirbtiniu intelektu pagrįstai sistemai, skirtai apdoroti ir analizuoti duomenų srautus iš išmaniųjų miškų stebėjimo sistemų, naudojančių daiktų internetą, kurti. Tyrimo metu bus integruojami duomenys iš jutiklių, stebinčių dirvožemio būklę, medžių fiziologiją, meteorologinius duomenis ir aplinkos parametrus - visa tai padėtų sukurti holistinį miško ekosistemos dinamikos vaizdą. Disertacijoje skatinama naudoti nekontroliuojamąjį mokymąsi kritiniams miško įvykiams prognozuoti. Pavyzdžiui, ankstyvojo aptikimo modeliai gali būti pritaikomi siekiant numatyti miško augimo nuosmukį pagal sausros sąlygų, temperatūros anomalijų ir dirvožemio drėgmės lygio derinį, o ligų protrūkių modeliai gali analizuoti medžių sulčių tekėjimo ir lapų drėgmės kiekio pokyčius kaip galimo patogeno plitimo pirmtakus.
Vienas iš pagrindinių šio tyrimo tikslų - sukurti metodus, kurie ne tik prognozuoja įvykius, bet ir teikia XAI (aiškinamojo DI) įžvalgas miškininkams. Modeliai turėtų išnaudoti subtilius aplinkos pokyčių ir miško sveikatos būklės dėsningumus ir sąsajas, siekiant kaip galima greičiau įspėti apie pavojų ir padėti priimti sprendimus vardan miško išsaugojimo. Be to, šioje temoje būtų tiriama, kaip galima taikyti sutelktinio (fedarated) mokymosi metodus, kad būtų pagerintas modelių mokymas, kartu užtikrinant duomenų privatumą ir saugumą, kas ypač aktualu, kai daiktų interneto duomenys gaunami iš įvairių šaltinių ir regionų.
|
|
Paaiškinamumo integravimas į vaizdo ir teksto modelius: metodai ir taikymai multimodalioje DI skaidrumo užtikrinimo srityje, taikant baldų gamybai ir paviršiaus defektų analizei
|
doc. dr. Arūnas Lipnickas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Dirbtinis intelektas (DI) ir mašininis mokymasis pakeitė pramonės šakas, suteikdami galimybę automatizuoti procesus ir pagerinti sprendimų priėmimą. Baldų gamybos srityje pažangūs DI modeliai parodė didelį potencialą kokybės kontrolėje, ypač paviršiaus defektų analizėje. Naudojant vaizdo ir teksto modelius, kurie integruoja vizualinius ir tekstinius duomenis, gamintojai gali automatizuoti patikrinimo procesą ir nustatyti tokius defektus kaip įbrėžimai, įdubimai ir dėmės ant medinių paviršių. Tačiau šių modelių „juodosios dėžės“ pobūdis kelia iššūkį: trūksta skaidrumo ir paaiškinamumo. Norint išspręsti šią problemą, būtina integruoti paaiškinamumo metodus, kurie suteikia įžvalgų apie sprendimų priėmimo procesą ir padidina pasitikėjimą DI sistemomis.
Šiuolaikiniai vaizdo ir teksto modeliai, tokie kaip CLIP (Contrastive Language-Image Pre-training) ir BLIP (Bootstrapped Language-Image Pretraining), parodė stiprius gebėjimus bendrai suprasti vizualinius ir tekstinius įvesties duomenis. Pramoninėse programose šie modeliai gali būti naudojami defektų lokalizavimui ir klasifikavimui. Šie modeliai naudoja tiek vizualinę, tiek tekstinę informaciją, kad atliktų sudėtingas užduotis. Nors jie puikiai atpažįsta raštus ir generuoja nuoseklius aprašymus, jų sprendimų priėmimo procesai dažnai yra neaiškūs. Paaiškinamumo trūkumas apsunkina vartotojams suprasti, kodėl atliekamos tam tikros prognozės ar klasifikacijos, ypač kai modelis nustato paviršiaus defektą.
Interaktyvios DI sistemos leidžia vartotojams užduoti klausimus modeliui dėl paaiškinimų arba paprašyti papildomos informacijos apie nustatytus defektus. Nėra standartinės metrikos, skirtos vertinti paaiškinimų, pateikiamų vaizdo ir teksto modelių, kokybę. Kas laikoma „gera“ paaiškinimu, gali būti subjektyvu ir priklauso nuo vartotojo patirties bei taikymo konteksto. Objektyvios metrikos kūrimas, siekiant įvertinti paaiškinimų aiškumą, naudingumą ir tikslumą – bus vienas iš iššūkių.
|
| Saugus paslaugų komponavimas ir orkestravimas ūko kompiuterijoje |
prof. dr. Algimantas Venčkauskas |
valstybės finansuojama |
|
Savavaldės robotinės sistemos tyrimas, skirtos konvejeriu judančių objektų manipuliavimui
|
prof. dr. Vidas Raudonis |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šio tyrimo tikslas yra išsamiai išnagrinėti savavaldžių robotinių sistemų, skirtų manipuliuoti konvejerio juosta judančiais objektais, integracijos į gamybos procesus galimybes bei naudą. Vis didėjant konkurencijai ir klientų poreikiams, pramonės įmonės vis dažniau ieško būdų, kaip optimizuoti savo veiklą, padidinti gamybos efektyvumą ir sumažinti sąnaudas. Šiuo kontekstu, robotikos ir automatikos technologijos tampa nepakeičiamu įrankiu, leidžiančiu automatizuoti monotoniškas, pasikartojančias ir potencialiai pavojingas užduotis.
Tyrimo metu bus analizuojamos šios pagrindinės temos:
Savavaldžių robotinių sistemų technologijos: Bus apžvelgtos esamos ir perspektyvios technologijos, naudojamos kuriant savavaldžius robotus, tokius kaip dirbtinis intelektas, mašininis mokymasis, kompiuterinis regėjimas ir jutikliai. Bus įvertinta, kaip šios technologijos leidžia robotams atpažinti, sekti ir manipuliuoti judančiais objektais realiuoju laiku.
Robotų integracija į gamybos procesus: Bus nagrinėjami įvairūs robotikos integravimo į gamybos linijas scenarijai, įskaitant robotų sąveiką su kitais įrenginiais ir žmonėmis. Bus analizuojami techniniai ir organizaciniai aspektai, susiję su robotų diegimu, programavimu ir priežiūra.
Gamybos efektyvumo didinimas: Bus įvertintas teigiamas savavaldžių robotų įtakos gamybos procesams.
Iššūkiai ir perspektyvos: Bus ištirti pagrindiniai iššūkiai, su kuriais susiduriama diegiant savavaldžius robotus gamyboje, tokie kaip, saugumas, patikimumas ir kibernetinis saugumas. Taip pat bus pateiktos perspektyvos, susijusios su tolesniu robotų tobulinimu ir jų vaidmeniu ateities gamyboje.
Tyrimo rezultatai bus naudingi tiek mokslininkams, tiek pramonės įmonėms, siekiančioms optimizuoti savo gamybos procesus ir įdiegti pažangias technologijas.
|
|
Signalų apdorojimas ir mašininis mokymasis baterijos heterogeninio senėjimo monitoringui ir rizikos analizei
|
prof. dr. Robertas Alzbutas |
valstybės finansuojama |
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 heterogeniškai senėjančios baterijos SOH ir įvertinti įvairių tipų gedimų riziką bei teikti lengvai interpretuojamas rekomendacijas ir sprendimus dėl baterijos naudojimo.
Uždaviniai ir laukiami rezultatai:
Uždaviniai ir laukiami rezultatai:
1. Duomenų rinkimas ir mašininio mokymosi modelių ar 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 galės naudoti suinteresuotos įmonės.
Detalesnės informacijos apie tematiką ir susijusius MTEPI darbus teirautis vadovo.
|
