Projekty

Tytuł projektu: Integracja wnioskowania, uczenia się, optymalizacji i interpretacji w celu przyspieszonej komercjalizacji inteligentnych systemów oprogramowania nowej generacji

Okres realizacji: 01.09.2023 r. – 31.08.2028 r.

Wartość projektu: 20 199 950 PLN

Cel projektu: Celem jest zwiększenie potencjału naukowego i B+R Polski w obszarze sztucznej inteligencji. Efektem realizacji projektu będzie opublikowanie w prestiżowym wydawnictwie/wydawnictwach o zasięgu międzynarodowym, poddanych wcześniejszej ewaluacji, wyników badań zrealizowanych w ramach projektu. Prestiż i zakres zasięgu międzynarodowego publikowanych wyników badań stanowi element oceny eksperckiej.

Projekt finansowany jako Wspólne Przedsięwzięcie - Narodowego Centrum Nauki i Narodowego Centrum Badań i Rozwoju w ramach konkursu ogłoszonego 30.07.2021 r. pod nazwą „ARTIQ – Centra Doskonałości AI”, celem którego jest stworzenie Centrum Doskonałości AI jako wysoko wyspecjalizowanego zespołu badawczego działającego przy polskich podmiotach, kierowanego przez wysokiej klasy naukowców – Liderów - o międzynarodowej renomie i wyróżniającym się dorobku naukowym, wdrożeniowym i organizacyjnym.

Tytuł projektu: ScalePL – Innowacyjność i Umiędzynarodowienie Polskiej Nauki w Dolinie Krzemowej

Z przyjemnością informujemy, że nasza uczelnia realizuje przedsięwzięcie „ScalePL”, ustanowione przez Ministra Nauki i Szkolnictwa Wyższego.

„ScalePL” to dynamiczne przedsięwzięcie, którego celem jest wspieranie rozwoju polskiej innowacyjności oraz jej umiędzynarodowienie, szczególnie w kontekście Doliny Krzemowej – światowego centrum technologii i innowacji.

Dzięki inicjatywie, nasza uczelnia zyska nowe możliwości w zakresie transferu wiedzy, umiejętności oraz rozwijania potencjału startupów i scaleupów. Projekt kładzie duży nacisk na sektor STEM (nauki, technologię, inżynierię, matematykę), a jego rezultaty obejmują m.in. poprawę konkurencyjności polskich innowacji na rynku międzynarodowym, z perspektywą globalnej ekspansji.

W ramach „ScalePL” skoncentrujemy się na trzech kluczowych obszarach:

• Sesje Studyjne i Transfer Wiedzy
  Przedstawiciele naszej uczelni będą uczestniczyć w spotkaniach, które pozwolą im zapoznać się z najnowszymi technologiami, metodami ochrony własności intelektualnej oraz najlepszymi praktykami komercjalizacji innowacyjnych projektów na rynku międzynarodowym.
• Promocja projektów naszych naukowców w Dolinie Krzemowej
  Wybrane patenty i projekty naukowców powstałe na naszej uczelni, które mają potencjał do rozwoju i wdrożenia na globalnym rynku, będą promowane wśród potencjalnych inwestorów w Dolinie Krzemowej.
• Wsparcie Startupów i Scaleupów wywodzących się z AGH
  Wybrane startupy oraz scaleupy będą promowane, aby umożliwić im nawiązanie kontaktów z potencjalnymi partnerami, inwestorami oraz mentorami z Doliny Krzemowej, co może przyspieszyć ich rozwój i międzynarodową ekspansję.

„ScalePL” to nie tylko projekt, ale także platforma współpracy naukowej, technologicznej i biznesowej, która pozwoli na stworzenie silnego ekosystemu innowacji w Polsce. To krok ku przyszłości, w którym polska nauka i przedsiębiorczość zyskają globalną widoczność i siłę na międzynarodowej arenie.

Dofinansowanie przedsięwzięcia ze środków Ministerstwa Nauki i Szkolnictwa Wyższego - 571 717,00 zł

Centrum Doskonałości Sztucznej Inteligencji, pod kierownictwem dr hab. inż. Joanny Jaworek-Korjakowskiej, jest uczelnianym koordynatorem wszystkich działań realizowanych w ramach przedsięwzięcia

Tytuł projektu: AI4AGH: wzmocnienie obszarów badawczych w ramach sztucznej inteligencji

Okres realizacji: 01.09.2023 r. – 31.12.2025 r.

Wartość dofinansowania: 5 000 000 PLN

Cel projektu: Celem wsparcia jest wzmocnienie nowopowstałej pomocniczej jednostki organizacyjnej prowadzącej działalność badawczą i badawczo-dydaktyczną w obszarach badawczych o szczególnym znaczeniu dla społeczeństwa i gospodarki.
Głównym celem projektu w obszarze naukowym jest przeprowadzenie zaawansowanych badań podstawowych AI nad efektywnymi i wydajnymi algorytmami uczenia, optymalizacji, reprezentacji danych i transformacji niezależnie od konkretnej dziedziny aplikacji.

Projekt finansowany w ramach Inicjatywy Doskonałości – Uczelni Badawczej AGH – Działanie 23 Utworzenie uczelnianych centrów badawczych.

PRELUDIUM 23

Tytuł projektu: Rozwiązywanie wyzwań w sztucznej inteligencji zorientowanej na dane przy użyciu zaawansowanych technik doboru próbek

Okres realizacji: 05.02.2025 - 04.02.2027

Wartość finansowania: 119 560 PLN

Głębokie uczenie osiągnęło znaczące sukcesy w różnych dziedzinach, głównie dzięki dostępności dużych zbiorów danych i zwiększonej mocy obliczeniowej. Jednak jakość danych treningowych pozostaje kluczowym czynnikiem wpływającym na wydajność modeli. Z tego powodu podejście sztucznej inteligencji zorientowanej na dane (ang. Data-Centric AI), które kładzie nacisk na wysoką jakość danych i efektywne procesy treningowe, zyskuje coraz większe znaczenie.

Celem naszego projektu jest wykorzystanie metod selekcji próbek danych do rozwiązania ważnych problemów związanych z Data-Centric AI, takich jak odporne trenowanie modeli na problemach z zaszumionymi etykietami, trening odporny na ataki adwersarialne oraz wyjaśnianie procesu uczenia. Problemy te nie zostały jeszcze dokładnie zbadane w literaturze, co sprawia, że nasz projekt ma charakter pionierski.

Podjęliśmy się tego tematu badawczego, ponieważ optymalizacja wykorzystania danych jest kluczowa ze względu na duże koszty obliczeniowe związane z trenowaniem modeli głębokiego uczenia. Wybór odpowiednich próbek danych do treningu może znacznie zwiększyć odporność modeli i zoptymalizować wykorzystanie zasobów. Metody takie jak Importance Sampling, Selective Backprop czy podejście strumieniowe już pokazały, że skuteczna selekcja próbek może poprawić wydajność i stabilność modeli.

Nasze badania mają na celu opracowanie nowych technik selekcji próbek, które zwiększą odporność modeli na szum i ataki adwersarialne, usprawnią proces uczenia oraz stworzą ramy do wyjaśniania procesów uczenia. Wyniki projektu przyczynią się do rozwoju wiarygodnych i niezawodnych systemów AI, zgodnie ze strategicznymi celami Uni Europejskiej w zakresie „Explainable and Robust AI”.

Wstępne wyniki naszych badań są obiecujące. Opracowaliśmy nowatorskie podejście strumieniowe z mechanizmem wartości bazowych (Base-Value Mechanism), które znacząco poprawia proces treningu sieci neuronowych. Nasza autorska metoda, zwana Persistent Entropy-Based (PEB), używa wartości bazowych do wskazania ważności poszczególnych elementów treningowych. W testach na zbiorze danych EMNIST metoda ta osiągnęła wyższą dokładność na danych testowych w porównaniu do tradycyjnych metod, co potwierdza skuteczność naszego podejścia.

Projekt ma duży potencjał, aby wprowadzić istotne innowacje w dziedzinie AI, przyczyniając się do tworzenia bardziej odpornych i zrozumiałych modeli uczenia maszynowego, które będą lepiej służyć społeczeństwu w różnych zastosowaniach.

Koordynatorem projektu jest mgr inż. Mateusz Wojtulewicz, doktorant pod opieką prof. Leszka Rutkowskiego.

Projekt jest finansowany ze środków Narodowego Centrum Nauki w ramach Umowy nr UMO-2024/53/N/ST6/02844 z 5.02.2025 r.

Tytuł projektu: Collaborative Development Framework for Electric Software-defined Vehicles

Okres realizacji: 1.01.2025 - 31.12.2027

Wartość finansowania: € 4 995 981,25

Projekt realizowany w partnerstwie z wiodącymi uczelniami i instytucjami europejskimi.

Opis projektu:

Projekt CODE4EV ma na celu przyspieszenie rozwoju elektrycznych pojazdów zdefiniowanych programowo (SDV) poprzez ustanowienie ram współpracy rozwojowej. Ramy te będą wspierać fazy projektowania, produkcji i eksploatacji pojazdów elektrycznych (EV) poprzez demonstrację ich zastosowania za pomocą wybranych przypadków użycia istotnych dla powstających i przyszłych architektur SDV.

Kluczowe cele projektu obejmują opracowanie cyfrowych narzędzi projektowych i wiarygodnej metodologii rozwoju dla elektrycznych SDV, poprawę wydajności i niezawodności współdzielenia komponentów architektury SDV oraz przyspieszenie procesów walidacji. Projekt koncentruje się również na wdrożeniu projektowania opartego na modelu, opracowaniu symbolicznej bazy wiedzy ontologii oraz migracji ze środowisk szybkiego prototypowania do środowisk motoryzacyjnego oprogramowania w celu usprawnienia procesów rozwoju i zgodności ze standardami branżowymi.

Ponadto CODE4EV ma na celu zapewnienie wielowarstwowych korzyści w fazach projektowania, produkcji i eksploatacji pojazdów elektrycznych. Obejmuje to metody definiowania architektury SDV, podejścia do wirtualizacji środowiska wykonawczego w czasie rzeczywistym oraz opracowywanie modułowych architektur sprzętowych w celu optymalizacji wykorzystania danych.

Projekt zademonstruje wdrożenie ram współpracy rozwojowej, takich jak optymalizacja EV oparta na danych, monitorowanie stanu i predykcyjna konserwacja oraz inteligentne sterowanie ruchem. Te przypadki użycia mają na celu zademonstrowanie ulepszeń w zakresie zużycia energii, wydłużenia żywotności podzespołów i ogólnej wydajności pojazdu. CODE4EV planuje opracowanie wirtualnych, hybrydowych i pełnowymiarowych demonstratorów elektrycznych SDV dla różnych kategorii pojazdów, koncentrując się na wydajnych procedurach weryfikacji i ocenie skalowalności podejścia CODE4EV.

Te wysiłki mają na celu zapewnienie kompatybilności i wydajności dla szeregu typów pojazdów, w tym ciężkich samochodów ciężarowych i pojazdów elektrycznych klasy L, wnosząc tym samym istotny wkład w promocję rozwiązań w zakresie mobilności bezemisyjnej.

Projekt jest finansowany z programu Horyzont Europa w ramach umowy nr 101192739

Strona projektu CODE4EV

Tytuł projektu: DermaPrime – AI do Wczesnej Diagnostyki Czerniaka

Okres realizacji: 01.06.2025 – 30.11.2026

Wartość projektu: 313 787,00 PLN

Projekt realizowany w partnerstwie z wiodącymi uczelniami i instytucjami europejskimi.

Cel projektu:

Projekt grantowy PRIME wspiera zespoły w:

• Rozwoju umiejętności współpracy, komercjalizacji i prowadzenia biznesu

• Identyfikacji i weryfikacji potrzeb rynkowych oraz gotowości rynkowej przedmiotu komercjalizacji

• Opracowaniu najbardziej adekwatnej ścieżki komercjalizacji oraz jej wdrożeniu

• Powiększaniu sieci kontaktów branżowych i tworzeniu strategicznych partnerstw

• Zakładaniu i prowadzeniu spin-off

Projekt PRIME podzielony jest na trzy Fazy:

Faza I (6 miesięcy) przeznaczona  jest na podniesienie kompetencji członków zespołu i wstępną weryfikację rynkową określonego przedmiotu komercjalizacji.

Faza II (12 miesięcy) poświęcona jest głównie pogłębionej weryfikacji rynkowej rozwiązania, opracowaniu rozwoju produktu i strategii komercjalizacji oraz poszukiwaniu odbiorcy.

Faza III (12 miesięcy) dedykowana jest dla spółek typu spin-off, które zawiązały się jako efekt  Fazy II. Spółki będą realizowały indywidualny plan rozwoju przedsiębiorstwa i produktu.

W projekcie DermaPrime bierze udział trzyosobowa drużyna z Centrum Doskonałości Sztucznej Inteligencji AGH:

Dr hab. inż. Joanna Jaworek-Korjakowska, prof. AGH – Liderka Naukowa

Dr inż. Dariusz Pruchnik – Opiekun Transferu Technologii

Mgr inż. Filip Noworolnik – Lider Biznesowy

Zespół będzie doskonalić swoją wiedzę i praktyczne umiejętności w zakresie transferu wyników badań naukowych do gospodarki, a także pracować nad rozwojem strategii komercjalizacji zaawansowanego narzędzia AI do wczesnej diagnostyki czerniaka.

Projekt PRIME – wsparcie komercjalizacji nauki, jest realizowany przez Fundację na rzecz Nauki Polskiej (FNP) ze środków z programu Fundusze Europejskie 
dla Nowoczesnej Gospodarki (FENG).

Umowa o powierzenie grantu nr PRIME 02.06-0116/25 z 06.06.2025 r.

Tytuł projektu: Opracowanie innowacyjnego systemu do rehabilitacji kręgosłupa w podwieszeniu z zastosowaniem rzeczywistości rozszerzonej.

Okres realizacji: 01.09.2025 - 30.09.2028

Wartość projektu: 11 866 911,85 PLN

Wartość dofinansowania z Funduszy Europejskich: 9 156 413,95 PLN (w tym Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie - 3 727 327,02 PLN)

Opis projektu:

W ramach zadań zakłada się: opracowanie koncepcji urządzenia do rehabilitacji z możliwością skanowania 3D pacjentów- budowę oraz adaptację wersji laboratoryjnej; prace nad cyfrowym bliźniakiem oraz symulacją stanowiska – budowę stanowiska oraz modyfikacje i optymalizacje prototypu; prace badawcze nad różnymi formami rzeczywistości rozszerzonych (obejmujące korelację Mieszana rzeczywistość – MR, Wirtualna rzeczywistość – VR i rozszerzona rzeczywistość – AR); badania systemu sterowania urządzenia rehabilitacyjnego.

Bezpośrednim odbiorcą produktu będą producenci sprzętu medycznego, natomiast pośrednio odbiorcą rezultatów projektu będą podmioty działające w branży medycznej. Potencjalni klienci to instytucje rządowe, prywatne i państwowe ośrodki zdrowia, centra chirurgiczne, szpitale, kliniki, laboratoria badawcze i diagnostyczne, firmy farmaceutyczne a także ośrodki rehabilitacyjne.

Cel projektu:

Celem projektu jest opracowanie systemu (akronim SpineMRehab) do rehabilitacji pacjentów wykorzystującego rzeczywistość mieszaną oraz rzeczywistość rozszerzoną do rehabilitacji kręgosłupa w podwieszeniu. Zaplanowane prace będą obejmowały m.in.: opracowanie bazy z awatarami 3D pacjentów uwzględniającymi ich dane antropometryczne oraz bazy danych z ich wirtualnymi kręgosłupami uwzględniającymi zmiany chorobowe, przeprowadzenie modelowania kręgosłupa i projekt wizualizacji jego ruchu, wykonanie badań symulacyjnych z wykorzystaniem dedykowanego oprogramowania. Ponadto w ramach prac rozwojowych zaplanowano badania opracowanych rozwiązań na stanowisku laboratoryjnym (bez udziału pacjenta) oraz badania przedkliniczne prototypu w tym badania ankietowe, które pozwolą na weryfikację funkcjonalności urządzenia w środowisku medycznym. Dzięki temu możliwe będzie prowadzenie zabiegów rehabilitacyjnych w schorzeniach kręgosłupa z optymalnie dobranym do występującego typu schorzenia oddziaływaniem dynamicznym z uwzględnieniem medycznych ograniczeń ruchu kręgów ze zróżnicowaną, medycznie opracowaną kinematyką. Rezultaty projektu stanowić będą innowację produktową o charakterze co najmniej krajowym.

#FunduszeUE #FunduszeEuropejskie