Key Digital Technologies - dupla pályázati siker az EU-ban a Mesterséges Intelligencia területén
A Horizon Europe támogatási rendszer egy speciális eleme a KDT JU (Key Digital Technologies Joint Undertaking) pályázatokhoz kötődik. Ez középtávú ipari hasznosulást feltételező Kutatási és Innovációs Akciók (Research and Innovation Action, RIA), valamint Innovációs Akciók (IA) keretében valósul meg. A pályázó konzorciumoknak jelentős ipari súllyal kell rendelkezniük. Az egyetemi és kutatóintézeti csoportok ezekben a konzorciumokban a legújabb módszerek és technológiák megmutatásáért és kibontásáért felelősek - amik aztán beépülnek az ipari partnerek esettanulmányaiba. Ezekből - a tudományos publikációkon túl - közös demonstrációk és ha minden jól megy, innovatív termékek és szolgáltatások lesznek. Egy-egy ilyen konzorcium jellemzően 40-50 partnerből áll; a korábbi években nem volt szokatlan a 80 vagy 100 partnerből álló konzorcium a kritikus tömeg elérése érdekében.
Több éves előkészület után a 2022. szeptemberi beadás során a BME-TMIT kutatói két konzorcium pályázatában is részt vettek; Varga Pál tanszékvezető mindkettőben a szűk, 5-6 fős nemzetközi pályázatíró csoportban dolgozott. A verseny nagyon nagy a pályázatok között; gyakran százalékpontnyi különbség van a rangsor nyertes és nem-nyertes pályázatai között. Ezért is különleges öröm - és szerencse - hogy az egyik beadott projekt (AIMS5.0) első helyen rangsorolva nyert, a másik (Arrowhead fPVN) pedig a határon mozogva, végül negyedik helyen rangsorolva kapott támogatást. A projektek futamideje 3-3 év, tavasszal indulnak, és párhuzamosan fognak futni. A projektek BME-re jutó támogatása összesen 1.9 millió Euró.
A két projekt rövid összefoglalója a következő.
AIMS5.0 -
Artificial Intelligence in Manufacturing leading to Sustainability and Industry5.0
Ez a projekt első helyen nyert tehát (két korábbi sikertelen beadás után jelentősen átdolgozva) - és a kulcsszavai elég jól kifejezik a célokat és a fókuszt. Az egyik első EU-s műszaki pályázatírói egyeztetést itt rendeztük az I épület IB210-termében.
8 munkacsoport van, ebből 3 foglalkozik a technológiákkal, a többiek esettanulmányokkal, integrációval, disszeminációval. A három technológiai munkacsoportból az "AI tools, methods and algorithms for sustainable industrial processes (WP2)" címűt a BME vezeti.
Ez arról szól, hogy összerakunk, katalogizálunk, legjobb gyakorlatokkal és javaslatokkal ellátunk egy nagy AI-related egyköztárat (salátabár / toolkit). A projekt során ez remélhetőleg egyre részletezettebb, konkrétabb és pontosabb leírású eszközöket és integrációjukat tartalmaz majd. Amit tanulunk az egyes use-case integrációkból, azoknak az AI-technológiai és alkalmazhatósági részét is itt kutatjuk és fejlesztjük. A szenzorok- és beavatkozók adatkezelés/vezérlésoptimalizálás résztől a gyártási folyamatoptimalizáláson túl az üzleti adatokig mindenféle esettanulmánnyal lesz dolga ennek a munkacsoportnak. Fontos és aktuális része a feladatoknak, hogy az AI-támogatott szoftverfejlesztés és szoftvertesztelős módszereire is adjunk "legjobb gyakorlat"-szerű megoldásokat. A WP3 ("Cyber architecture for AI supported sustainable production") is fontos nekünk, ez ugyanis az általunk megalapozott és folyamatosan fejlesztett Arrowhead keretrendszeren alapszik. Ez a komplex rendszerek rendszereinek (System of Systems, SoS) együttműködését támogató keretrendszer.
Emellett az esettanulmányokat fejlesztő további munkacsoportokban az Arrowhead-hez segítünk illeszteni az Mesterséges Intelligencia technológiáihoz kötődő eszközrendszert.
A vezető partner a német Infineon; 12 országból 53 partner van; többek között a Fraunhofer, Thales, NXP, Philips, CISC Semiconductor, Husqvarna, AI Dig+, TU Dresden, Uni Lübeck, TU Eindhoven, Lulea Uni. Tech., AIT, TTTech, Virtual Vehicle, KAI, S.E.Bank.
A verifikáció több iparágban történik (20 use-case) - manufacturing, automotive, semiconductor, aviation, consumer electronics, food production, és cross domain.
Arrowhead fPVN -
Arrowhead flexible Product Value Networks
Ebben a projektben a vezető partner a svéd Lulea University of Technology. Itt 12 országból 44 partner maradt az egyeztetési folyamatok végeztével; többek között:
AVL, Eurotech, CEA, ISEP, VTT, Northvolt, Eurostep, Equinor Energy, University of Genova, University of Catania, University of Oslo, University of Lübeck, Politechnico di Torino, stb.
Itt is a második munkacsoportot (WP2, Microservices) vezeti a BME, ez valójában maga az Arrowhead keretrendszer kiterjesztése.
A projekt célja, hogy az ellátási láncokat az ipari IoT dinamikus rendszerek-rendszereihez hasonlóan nem nehézkesen cserélhető sérülékeny láncokként, hanem flexibilis szolgáltatások és szolgáltatók értékvezérelt hálózataként alakítsuk ki. Az esettanulmányokat különféle iparágakban készítjük el - a szélerőművektől az űrtechnológiáig, az eszközgyártástól az autóiparig. Ez az új megközelítéshez kialakított eszközrendszer iparág-specifikus használhatósági tesztjeként szolgál.
A BME-re itt az Arrowhead keretrendszer koncepcionális továbbfejlesztésén és kiterjesztésén túl jut, az újra a Mesterséges Intelligencához kapcsolódik. Itt az egyik fontos feladat az a protokoll-transzlátor, ami a különféle gyártók különféle eszközeinek kommunikációját hivatott segíteni. Ennek az on-the-fly fordítónak elsőként NLP (Natural Language Processing) módszerekkel állunk neki. Itt az adatmodellek fordítása, a szemantikai fordítás, a dialógus-struktúra fordítása, a hibakezelés, mind-mind külön kihívás - amelynek állunk elébe.
Az iparban az egyes cégek protokolljai elég sajátosak, és mivel nagyon sokféle alkalmazások vannak a kiberfizikai rendszerekben, ezért a hálózati világban alkalmazott protokollok ehhez képet 2-3 nagyságrenddel letisztultabbnak és szabványosítottabbnak tűnnek. Amikor különféle kiberfizikai rendszereket akarunk összekapcsolni, akkor a protokolljaik között ilyen állapotgép-modellezett behuzalozott transzlátorokat teszünk / tettünk. A jelen projektben azt akarjuk megnézni, hogy vajon a Mesterséges Intelligenciához kapcsolódó technológiákkal és módszerekkel mennyire lehet pontosat, gyorsat, megfelelőt csinálni az protokoll-állapotgépek teljes modellezése nélkül. Itt mostmár nagyon sok protokollról nagyon sok más protokollra való fordítás potenciális igénye forog fenn. Ez elég komplex feladat és hihetetlenül nagy kihívás - 5 éve ilyet még álmodni sem mertünk volna - nemhogy belekezdeni.
