Energetika (WP7)
WP1 vytváří metodické, algoritmické a datové základy pro vývoj spolehlivé, škálovatelné a důvěryhodné umělé inteligence napříč celým projektem NCUI. Zaměřuje se na pokročilé AI modely, vysokovýkonné výpočty (HPC), práci s rozsáhlými daty a nové matematické přístupy k porozumění neuronovým sítím a transformerům.
Současně vyvíjí infrastrukturu pro efektivní trénování a nasazování AI modelů v oblastech jako průmysl, energetika, autonomní systémy, stavebnictví, digitální knihovny nebo medicína. Nedílnou součástí je také výzkum transparentnosti, robustnosti, bezpečnosti a právních aspektů AI, které jsou klíčové pro její důvěryhodné využití v praxi.
Jaký problém WP řeší a proč je to důležité?
01
Současné AI modely jsou stále složitější, náročnější na data i výpočetní výkon a obtížně vysvětlitelné
02
Chybí jednotné prostředí pro efektivní práci s rozsáhlými a různorodými daty potřebnými pro trénování AI
03
Mnoho AI systémů není dostatečně robustních vůči chybám, změnám prostředí nebo záměrné manipulaci
04
Organizace potřebují transparentní a reprodukovatelné postupy pro vývoj, testování a nasazování AI
05
Nová evropská regulace AI zvyšuje potřebu metod pro hodnocení důvěryhodnosti, bezpečnosti a souladu s právními požadavky
06
Pokročilé aplikace, jako autonomní řízení, energetické predikce nebo digitální dvojčata, vyžadují propojení AI s fyzikálními modely a vysokovýkonnými výpočty
Příklady využití / aplikační oblasti a přínosy
Automobilový průmysl a autonomní mobilita
Tvorba realistických 3D scén a virtuálních světů pro testování asistenčních a autonomních systémů.
Energetika
Přesnější předpovědi výroby a spotřeby energie, detekce anomálií v energetických sítích a podpora řízení rizik
Průmysl a výroba
Efektivnější trénování a provoz AI modelů pro optimalizaci výrobních procesů
Digitální knihovny
Automatické zpracování, klasifikace a inteligentní vyhledávání v rozsáhlých textových, obrazových a multimediálních archivech
Robotika a navigační systémy
Kvalitnější prostorové modelování okolního prostředí pomocí obrazových a lidarových dat
Veřejná správa a regulace AI
Metodiky a nástroje pro bezpečné, transparentní a právně odpovědné využívání umělé inteligence
Klíčové osoby
Zapojené instituce
Použité technologie a postupy
- Velké jazykové modely, transformery a hluboké neuronové sítě
- Neuroalgebraická geometrie pro analýzu a interpretaci AI modelů
- Fyzikálně informované neuronové sítě (PINNs)
- Grafové neuronové sítě (GNN) a neuronové operátory
- Foundation modely pro geodata (Geo Foundation Models)
- Technologie 3D rekonstrukce, počítačového vidění a Neural Radiance Fields (NeRF)
- Vysokovýkonné výpočty (HPC), cloudové platformy a distribuované zpracování dat
- Workflow orchestrace a MLOps (Apache Airflow, HyperQueue, MLflow, DVC)
- Datová provenance, auditovatelnost a reprodukovatelnost AI procesů
- Metody evaluace AI založené na teorii her, bezpečnosti a důvěryhodnosti systémů
- Analýza etických, právních a společenských dopadů AI
- Vysokovýkonné výpočty (HPC), cloudové platformy a distribuované zpracování dat
- Workflow orchestrace a MLOps (Apache Airflow, HyperQueue, MLflow, DVC)
- Datová provenance, auditovatelnost a reprodukovatelnost AI procesů
- Metody evaluace AI založené na teorii her, bezpečnosti a důvěryhodnosti systémů
- Analýza etických, právních a společenských dopadů AI
Dosažené a plánované výsledky
2027
Meteorologická předpověď pro teplárenskou síť Českých Budějovic s vysokou časovou frekvencí a místní granualitou
R – software
Grid Node Observer
R – software
2029
Stochastické zhodnocení a empirická evaluace meteorologické předpovědi a klíčových případů pro teplárenskou síť Českých Budějovic
R – software
Grid Consistency Checker
R – software
2031
AI a heuristické modely aplikované na meteorologickou předpověď pro teplárenskou síť s vysokou časovou frekvencí a místní granualitou
R – software
Deep nRAO
R – software