Automotive Computing for Mobility Innovation

• Co-founded by European Union
• Období řešení projektu: 2024 - 2026
• Řešitel: doc. Ing. David Hartman Ph.D., doc. Ing. Pavel Mertlík, CSc.
• Spolupracující instituce
  • Unicorn University, Škoda Auto Vysoké škola, Žilinská univerzita v Žilině, Seinäjoki University of Applied Sciences, Transilvania University of Brasov
• Anotace
  • Automotive Computing je významnou oblastí v souvislosti se strategickými prioritami Evropské unie. Automobilový průmysl poskytuje značnou část evropských pracovních míst v průmyslu a má velký význam pro globální konkurenční výhodu a pro evropskou konkurenceschopnost.

Využití neuronových sítí pro realtime predikci variabilní baseline u energetických zařízení na vn, nn napěťových hladinách

• TK05020142
• Poskytovatel: TA ČR
• Období řešení projektu: 2023 - 2025
• Řešitel: doc. Ing. David Hartman, Ph.D. 
• Spolupracující instituce
  • Ústav informatiky AV ČR v.v.i.
• Související výzkumný tým
  • Využitelnost metod AI v úlohách s komplexními daty
• Anotace
  • Obsahem projektu je vývoj softwarového řešení schopného splnit požadavky na predikci variabilní baseline podle standardů ČEPS u širokého spektra technologií na straně spotřeby i na straně výroby. Softwarové řešení – díky inovativnímu postupu predikce baseline - výrazně zvýší možnost zapojení těchto technologií v poskytování podporných služeb. Při řešení využijeme inovativních metod hlubokého učení neuronových sítí s regularizací (Deep Learning – DL & Deep Neural Networks – DNN). Nově vytvořené a implementované DNN modely budou následně prakticky validovány pro predikci baseline u konkrétních subjektů z řad poskytovatelů flexibility.

Optimalizace energetického portfolia pro zvýšení využitelnosti obnovitelných zdrojů

• TS01020123
• Poskytovatel: TA ČR
• Období řešení projektu: 2024 - 2026
• Řešitel: Ing. Ludmila Petkovová, Ph.D.
• Spolupracující instituce
  • Ústav informatiky AV ČR v.v.i.
• Související výzkumný tým
  • Využitelnost metod AI v úlohách s komplexními daty
• Anotace
  • Cílem projektu je vývoj uceleného nástroje Lancelot GDS (Generation Dispatch System) pro zvýšení využitelnosti obnovitelných zdrojů pro Agregátory výkonové flexibility. Nástroj umožní efektivní správu portfolia výrobních a spotřebních zařízení a optimalizaci provozního a obchodního plánu výroby a spotřeby na flexibilních zařízeních s ohledem na vývoj tržní ceny a predikovanou výrobu OZE, technické limity úložiště (baterií) i výrobních a spotřebních zařízení provozovaných v rámci agregačního bloku.

Využití neuronových sítí pro realtime predikci variabilní baseline u energetických zařízení na vn, nn napěťových hladinách

• TK05020142
• Poskytovatel: TA ČR
• Období řešení projektu: 2023 - 2025
• Řešitel: doc. Ing. David Hartman, Ph.D. 
• Spolupracující instituce
  • Ústav informatiky AV ČR v.v.i.
• Související výzkumný tým
  • Využitelnost metod AI v úlohách s komplexními daty
• Anotace
  • Obsahem projektu je vývoj softwarového řešení schopného splnit požadavky na predikci variabilní baseline podle standardů ČEPS u širokého spektra technologií na straně spotřeby i na straně výroby. Softwarové řešení – díky inovativnímu postupu predikce baseline - výrazně zvýší možnost zapojení těchto technologií v poskytování podporných služeb. Při řešení využijeme inovativních metod hlubokého učení neuronových sítí s regularizací (Deep Learning – DL & Deep Neural Networks – DNN). Nově vytvořené a implementované DNN modely budou následně prakticky validovány pro predikci baseline u konkrétních subjektů z řad poskytovatelů flexibility.

Sociální a motivační faktory studia a jejich vliv na studijní výsledky v terciárním vzdělávání se zaměřením na technické obory

• TQ01000538
• Poskytovatel: TAČR
• Období řešení projektu: 2023 - 2025
• Řešitel: Ing. Ludmila Petkovová, Ph.D.
• Spolupracující instituce
  • Filosofický ústav AV ČR, v. v. i.
  • Ústav informatiky AV ČR v.v.i.
  • Český institut informatiky, robotiky a kybernetik, CIIRC ČVUT
  • Vysoká škola chemicko-technologická, VŠCHT
• Související výzkumný tým
  • Studentská analytika a její zlepšování metodami AI
• Anotace
  • Cílem projektu je vytvořit doporučené postupy pro citlivou a efektivní práci se sociálními a motivačními faktory ovlivňujícími studijní výsledky. Projekt je založen na interdisciplinárním výzkumu s jádrem v komplexní sociologické analýze, která bude doplněna analýzou na základě metod strojového učení a AI. Unikátní propojení různých zdrojů a typů dat (kvant. i kval.) a jejich analýz se zázemím v různých disciplínách umožní problém zachytit v jeho komplexnosti a z více perspektiv bez opomenutí jak tvrdých ukazatelů o studentech a průběhu studia, tak jejich subjektivních zhodnocení studia v čase a vlastní zkušenosti. Záměrem je poskytnout vysokým školám prostředky umožňující pracovat s potřebami a potenciálem studentů, potažmo i efektivněji cílit různá opatření, např. ohrožení studijním neúspěchem.

Hodnocení efektivity programů veřejné podpory ve výzkumu a vývoji

• TB94TACR001
• Poskytovatel: TAČR
• Období řešení projektu: 2014 - 2016
• Řešitel: prof. Ing. Jan Čadil, Ph.D.
• Spolupracující instituce
  • Vysoká škola ekonomická v Praze, Fakulta informatiky a statistiky
  • Výzkumné centrum BIVŠ, z.ú.
• Související výzkumný tým
  • Ekonomika a ekonometrické metody v situacích řídkých a komplexních dat
• Anotace
  • Cílem projektu je vytvoření certifikované metodiky hodnocení podpory R&D v ČR na bázi kontrafaktuálního přístupu. Dílčím cílem je vytvoření samostatného datového zdroje pro hodnocení dopadu R&D na podpořené soukromé subjekty. Tento zdroj vznikne kombinací databáze ISVAV a databáze SSV (Albertina). Na základě tohoto datového zdroje, který může najít i širší využití z hlediska zadavatele, bude provedena základní statistická analýza dat a budou formulována doporučení z hlediska datové náročnosti CIE (zejména zda jsou data dostatečně vydatná pro kvalitní provedení CIE a jak se vyrovnat s případnými problémy v datech). Druhým dílčím cílem je komparace metodických přístupů v rámci CIE, a to především na základě analýz jednotlivých přístupů a konzultací se zahraničními odborníky (Finská Technologická agentura TEKES). Třetím dílčím cílem je aplikace vybraného metodického postupu na data získaná v rámci prvního dílčího cíle. Půjde v zásadě o test navrhnuté metodiky na reálných datech.

Výzkumná infrastruktura pro experimenty v CERN

• Subprojekt projektu MŠMT – LM 2015058
• Poskytovatel: CERN
• Období řešení projektu: 2015 - 2024
• Řešitel: Ing. Marek Beránek, Ph.D.
• Spolupracující instituce:
  • CERN
• Související výzkumný tým:
  • Moderní softwarový vývoj
• Anotace
  • Projekt produkční databáze se týká jednoho ze dvou největších víceúčelových detektorů elementárních částic instalovaných na urychlovači LHC (Large Hadron Collider). ATLAS je obecný experiment ve fyzice částic ve velkém hadronovém urychlovači v CERNu. Detektor ATLAS např. podal první důkaz o existenci Higgsova bosonu v roce 2012, jehož existenci potvrdily experimentální výsledky v roce 2013. Nyní se detektor ATLAS používá ke shromažďování dalších dat o základních částicích hmoty za zvýšené luminosity a postupně se připravuje jeho rekonstrukce pro potřeby vyšších energetických výkonů. Cílem tohoto subprojektu je tvorba produktové databáze pro detektor ATLAS.