Inteligencja obliczeniowa i modelowanie

Słowa kluczowe	sztuczna inteligencja uczenie maszynowe modelowanie procesów systemy cyberfizyczne architektury oprogramowania optymalizacja rozpoznawanie i segmentacja mikrostruktur metody numeryczne bliźniaki cyfrowe wieloskalowe stochastyczne modele numeryczne modelowanie i optymalizacja właściwości materiałów zastosowanie narzędzi NLP ontologie
Opis zakresu działań	Modelowanie procesów przy użyciu sztucznej inteligencji i algorytmów uczenia maszynowego, projektowanie oraz implementacja systemów komputerowych oraz cyber-fizycznych. Wykorzystanie metod optymalizacji do rozwiązywania problemów inżynierskich, w tym także w obszarze analizy i segmentacji zdjęć mikrostruktur przy użyciu sieci konwolucyjnych. Metody numeryczne do modelowania materiałów i procesów, w tym cyfrowe bliźniaki procesów. Wysokowydajne modele stochastyczne do przewidywania mikrostruktury materiałów metalicznych oraz modelowanie dyfrakcji elektronów i pozytonów. Narzędzia NLP i ontologie do identyfikacji pojęć w języku technicznym. Metody optymalizacji własności mechanicznych materiałów.
Jednostka wiodąca	Wydział Inżynierii Metali i Informatyki Przemysłowej, Katedra Informatyki Stosowanej i Modelowania
Obszary badawcze	inteligentne techniki informacyjne inżynieria materiałowa modele numeryczne optymalizacja sztuczna inteligencja uczenie maszynowe modele stochastyczne analiza wrażliwości obliczenia wysokiej wydajności
Projekty badawcze / Prace komercyjne	Stochastyczny model rozwoju mikrostruktury i własności metali poddawanych obróbce cieplnomechanicznej Numer kontraktu 2017/25/B/ST8/01823 Opracowanie systemu badań nieniszczących realizowanych w sposób ciągły wraz z opracowaniem oprogramowania sterującego pracą zgrzewarki liniowej w oparciu o analizę parametrów mechanicznych zgrzewu liniowego Numer kontraktu POIR.01.02.00-00-0091/19-00 Inteligentny, adaptacyjny system kontroli jakości i wspomagania optymalizacji produkcji systemów montażu precyzyjnego oparty o sztuczną inteligencję i rzeczywistość rozszerzoną, ADAPTSYS Numer kontraktu POIR.01.01.01-00-0031/21-00 Prognozowanie dystrybucji Hg i As w procesie spalania węgli kamiennych i brunatnych w kotłach pyłowych i oczyszczania spalin z wykorzystaniem modeli regresyjnych i sieci neuronowych Numer kontraktu LIDER/33/0183/L-10/NCBR/2019
Współpraca	Politechnika Łódzka, Katedra Technologii Materiałowych i Systemów Produkcji TUBAF Bergakademie Freiberg Institut für Metallformung Diagnostyka S.A. Oddział Kliniczny Pulmonologii Szpitala Uniwersyteckiego w Krakowie Polskie Towarzystwo Chirurgii Onkologicznej Arcelor Mittal Poland CMC StalProdukt Konstruktion Vesuvius Alventa Diagnostyka Sp. z o. o. MiViA Gmbh Virtline GE Aviation Cognizant/Mobica Akademickie Centrum Materiałów i Nanotechnologii AGH RWTH w Aachen
Laboratoria	Komputerowe laboratoria dydaktyczne nieakredytowane
Oferta badawcza	Modelowanie procesów przy użyciu sztucznej inteligencji i algorytmów uczenia maszynowego, projektowanie oraz implementacja systemów komputerowych oraz cyber-fizycznych. Wykorzystanie metod optymalizacji do rozwiązywania problemów inżynierskich, w tym także w obszarze analizy i segmentacji zdjęć mikrostruktur przy użyciu sieci konwolucyjnych. Metody numeryczne do modelowania materiałów i procesów, w tym cyfrowe bliźniaki procesów. Wysokowydajne modele stochastyczne do przewidywania mikrostruktury materiałów metalicznych oraz modelowanie dyfrakcji elektronów i pozytonów. Narzędzia NLP i ontologie do identyfikacji pojęć w języku technicznym. Metody optymalizacji własności mechanicznych materiałów.
Udział w konferencjach	KomPlasTech 2016 XXIV international conference on Computer methods in materials technology International Conference on Computer Methods in Materials Technology 2024