Tudományos projektek

Új hardverrel és mesterséges intelligenciával a bőrrák ellen

Az iToBoS az Európai Unió Horizont 2020 kutatási és innovációs programja által finanszírozott kutatási projekt, amelynek célja egy olyan, új diagnosztikai eszköz létrehozása a melanóma korai felismerésére, amely a betegről rendelkezésre álló összes információt hasznosítja. Ennek az úgynevezett holisztikus értékelőeszköznek minden egyes beteg sajátos jellemzőit meg kell értenie, ezzel megnyílik az út a melanóma személyre szabott, korai felismerése előtt.

A SLICES-RI (Slices Research Infrastructure) ESFRI program az informatikai kutatások számára biztosítja a legkorszerűbb kutatási infrastruktúrát. A SLICES-SC (SLICES-SC Scientific Large-scale Infrastructure for Computing/Communication Experimental Studies - Starting Community) projekttel arra törekszünk, hogy támogassuk az európai kutató közösséget a SLICES-RI használatában és birtokba vételében.

Az EGI-ACE (EGI Advanced Computing for EOSC) projekt célja, hogy az EOSC-hub elosztott számítástechnikai integrációjára építve létrehozza az EOSC Compute Platform szolgáltatást és hozzájáruljon az EOSC Data Commons megvalósításához a különböző európai Cloud létesítmények, PaaS-szolgáltatások és adatterek egyesítésével.

A CO-VERSATILE projekt célja az európai gyártóipar alkalmazkodási képességének, rugalmasságának növelése, kifejezetten a létfontosságú orvosi eszközökre és védőfelszerelésekre összpontosítva. Az eredmények elősegíthetik, hogy világjárvány esetén Európa felkészült legyen, és gyorsan tudjon reagálni a hirtelen megjelenő igényekre.

A DIGITbrain projekt célja, hogy lehetővé tegye testreszabott ipari termékek előállítását az ipari gyártással foglalozó KKV-k számára, a költséghatékony elosztott és lokalizált gyártás elősegítése, az edge-, felhő- és HPC-alapú modellezés, szimuláció, optimalizálás, elemzés és gépi tanulási eszközök használatának elősegítése, valamint a digitális ikrek fogalmának kibővítésére szolgáló memorizáló képesség megvalósításával: 

a) az származási, historikus adatok rögzítése és az ipari termék megismerésének fellendítése a teljes életciklus során, és

Az EOSC-hub projekt létrehozza a jövőbeli Nyílt Tudományos Felhőjének (Open Science Cloud) integrációs és menedzsment rendszerét, amely az EGI Szövetség, az EUDAT CDI, az INDIGO-DataCloud és a főbb kutatási e-infrastruktúrák szolgáltatásainak, szoftverének és adatainak katalógusát nyújtja. Ez az integrációs és menedzsment rendszer (a Hub) a vezető európai egyesített e-infrastruktúrák folyamataira, szabályozására és eszközeire épül, hogy a szolgáltatások teljes életciklusát lefedje a tervezéstől a szállításig.

A CloudiFacturing célja a gyártási folyamatok és a termelékenység optimalizálása számítási felhő, valamint HPC alapú modellezéssel és szimulációval, online gyári adatok és fejlett adatelemzési módszerek felhasználásával, ezáltal hozzájárulva a gyártóipari KKV-k versenyképességéhez és erőforrás-hatékonyságához, végső soron az Ipar 4.0-hoz és a "körkörös" gazdasághoz. A CloudiFacturing több mint 60 európai szervezetet (több közülük gyártóipari KKV) támogat, és mintegy 20 nemzetközi alkalmazási kísérletet támogat, melyeket két nyitott felhívással választanak ki.

A projekt fő célja, hogy olyan felhő alapú referencia keretrendszert hozzon létre, amely alkalmazás minták és sablonok segítségével lehetővé teszi a legkülönbözőbb vállalati alkalmazások gyors és hatékony adaptálását a legelterjedtebb felhő rendszerek számára.

A projekt keretében a kutatások fő célja a virtuális gépeket megvalósító lemezképek optimális kezelése, mind a felhasználók, mind a szolgáltatok szempontjából. Az optimalizáció célja többek között a lemezképek készítésének egyszerűsítése, a méret csökkentése, a darabolás és a darabok számos szempont szerinti (teljesítmény, költség, méret, stb.) tárolása elosztott tárolókban, illetve a lemezképek visszaépítése darabokból.

A projekt célja Magyarország növénytermesztéssel foglalkozó vidékein történő, termesztéssel összefüggő környezeti tényezőket és emberi tevékenységeket leíró strukturált és strukturálatlan adatain történő elemzés egy növénytermesztési tudásközpont létrehozása érdekében, mely tudásközpont képes javaslatokat és előrejelzéseket tenni a termesztés egyes lépései és a várható hozam összefüggéseivel kapcsolatban, azaz Magyarország növénytermesztéssel foglalkozó vidékein értéknövelt szolgáltatások adatgyűjtő infrastruktúrája jöjjön létre.