Fakulteto naujienos

VU MIF rinkimų komisija informuoja, kad gegužės 16–17 d. vykusieji Senato rinkimai Matematikos ir informatikos fakultete laikomi neįvykusiais, kadangi juose dalyvavo mažiau kaip du trečdaliai Padalinio Rinkėjų (dalyvavo 85 rinkėjai iš 135 rinkimų teisę turinčių MIF darbuotojų).

Pakartotinis Senato rinkimų balsavimas Matematikos ir informatikos fakultete vyks gegužės 23 d. 9.00–17.00, gegužės 24 d. 9.00–15.00. Juose galės dalyvauti Rinkimų teisę turintys Universiteto akademiniai darbuotojai, įtraukti į Centrinės rinkimų komisijos patvirtintą rinkėjų sąrašą. Pakartotiniuose rinkimuose bus balsuojama dėl tų pačių kandidatų, iškeltų gegužės 16–17 d. vykusiems Senato rinkimams.

Čia galite pasitikrinti, ar esate įtraukti į balsavimo teisę turinčių rinkėjų sąrašą, taip pat pasitikslinti balsavimo vietą ir laiką.

Kandidatų sąrašas.

• Prof. habil. dr. Mindaugas Bloznelis
• Prof. habil. dr. Gintautas Dzemyda
• Prof. dr. Julius Žilinskas
• Doc. dr. Martynas Manstavičius

Balsavimo vietos Matematikos ir informatikos fakultete:

Didlaukio g. 47- 511 kab.;
Naugarduko g. 24 - 208 kab.;
Akademijos g. 4 - 207 kab.

Daugiau informacijos apie Senato rinkimus Vilniaus universiteto puslapyje.

Remiantis Senato patvirtintu Senato narių rinkimų tvarkos aprašu:

„31. Senato narių rinkimai Padalinyje laikomi įvykusiais, jei juose dalyvavo ne mažiau kaip du trečdaliai Padalinio Rinkėjų. Pakartotinis balsavimas Padalinyje laikomas įvykusiu, jei jame dalyvavo ne mažiau kaip penktadalis atitinkamo Padalinio Rinkėjų“.

VU Matematikos ir informatikos fakulteto rinkimų komisija:

Dr. Šarūnas Repšys,

Dr. Viktor Medvedev,

Studentų atstovė Anastasija Volkova

2022-05-19

Vilniaus universiteto (VU) Matematikos ir informatikos fakulteto (MIF) Duomenų mokslo ir skaitmeninių technologijų institutas (DMSTI) planuoja stiprinti informatikos inžinerijos krypties mokslinę tiriamąją veiklą, pradėdamas tyrimus atvirojo kodo programinės įrangos srityje.

Tikimasi, kad planuojami tyrimai prisidės prie atvirojo kodo programinės įrangos plėtros savybių tyrimo ir visos OSS ekosistemos atsparumo didinimo, atviro kodo inovacijų raidos bei atviro kodo panaudojimo rizikos mažinimo.

Tyrimų tema glaudžiai siejasi su MIF DMSTI jau vykdomais tyrimais duomenų mokslo, dirbtinio intelekto, našiųjų skaičiavimų bei blokų grandinių technologijų srityse, todėl planuojama, kad ji taps planine. Tai praturtins jaunųjų mokslininkų patirtį ir leis sukurti grupę, kuri kryptingai vykdys aukšto lygio mokslinius tyrimus, ir tai neabejotinai didins instituto ir fakulteto konkurencingumą Lietuvos mokslo žinių rinkoje.

Daugiau apie pareigybę rasite čia.

2022-05-16

Vilniaus universiteto koridoriai, Lietuvos didikų paslaptys ir intriguojančios užduotys – į visą tai galima pasinerti lietuvių kurtame kompiuteriniame nuotykių žaidime „Crawns and Pawns: Kingdom of Deceit“.

Žaidimo turinys, apimtis ir grafika – įspūdinga, nenusileidžianti populiariausiems pasauliniams kompiuteriniams žaidimas. Prie „Crawns and Pawns“ kūrimo prisideda Vilniaus universiteto (VU) Matematikos ir informatikos fakulteto (MIF) asistentas dr. Žilvinas Ledas, buvęs dėstytojas Šarūnas Ledas, absolventai Laurynas Žuromskas, Zorian Ivanec ir Justinas Malijonis.

Pavadinimas „Karūna ir pėstininkai“ atskleidžia, kad žaidėjai kviečiami pasinerti į istorinius nuotykius. Vienas iš jo kūrėjų, „Tag of Joy“ vadovas ir MIF asistentas dr. Žilvinas Ledas, pabrėžia, kad Lietuvoje tautiečių yra sukurta daug žaidimų, bet tokios apimties istorine tematika – tai pirmasis.

Penkerius metus kurtas žaidimas visuomenei tapo prieinamas gegužės 6 dieną ir vos per porą savaičių įtraukė kelis tūkstančius žaidėjų iš viso pasaulio. Pagrindinė žaidimo misija – keliaujant per pasaulį vykdyti užduotis, aiškintis ir ieškoti prarastų lietuviškų artefaktų. Pats turinys primena „Da Vinčio“ kodą – žaidėjai persikelia į istorinį, mistika ir detektyvais apipintą pasaulį.

Daugiai apie žaidimą galite sužinoti čia.

2022-05-12

Vilniaus universitetas (VU) ir UAB „Thermo Fisher Scientific Baltics“ kviečia būsimuosius VU Gyvybės mokslų centro, Chemijos ir geomokslų fakulteto, Medicinos fakulteto bei Matematikos ir informatikos fakulteto magistrantūros studijų pirmo kurso studentus teikti paraiškas įmonės stipendijoms gauti.

2022 m. rugsėjį magistrantūros studijas šiuose fakultetuose pradedantys studentai turės galimybę gauti 1800 eurų vertės stipendijas, kurios skiriamos vieniems mokslo metams (stipendija mokama lygiomis dalimis kas mėnesį). Studentams, rengiantiems baigiamuosius darbus 2 metus, nepablogėjus jų studijų rezultatams, iš viso skiriama iki 3600 eurų stipendija. Studentai taip pat turės galimybę rengti baigiamuosius magistro darbus bendrovėje „Thermo Fisher Scientific Baltics“.

Skiriant stipendiją įvertinami studento studijų rezultatai ir pažangumas (bakalauro baigiamojo darbo (egzaminų) įvertinimas ir studijų pagrindinės studijų krypties (šakos) dalykų svertinis vidurkis ne mažiau kaip 8 balai), motyvacija ir praktiniai tiriamojo darbo įgūdžiai. Studentas, gavęs vardinę „Thermo Fisher Scientific“ stipendiją, nepraranda galimybės gauti valstybės ar kitokios nacionaliniuose arba VU teisės aktuose numatytos stipendijos.

Paraiškas būsimi magistrantūros studijų pirmo kurso studentai turi pateikti iki 2022 m. liepos 31 d. imtinai.

Konkursui studentai el. paštu turi pateikti šiuos dokumentus:

• gyvenimo aprašymą (CV);
• motyvacinį laišką, nurodant ne daugiau nei 3 dominančias mokslo grupes, kuriose siektų rengti baigiamąjį darbą (visos siūlomos grupės ir jų tyrimų kryptys nurodytos stipendijos skyrimo 2022–2023 mokslo metams konkurso sąlygose);
• bakalauro diplomo ir jo priedėlio kopijas;
• brandos atestato priedo kopiją (brandos egzaminų rezultatus);
• kitus studento studijų pasiekimus, visuomeninės ir (ar) mokslinės veiklos (dalyvavimas mokslinėse olimpiadose ir pan.), jei yra, pasiekimus įrodančių dokumentų kopijas;
• rekomenduojančio VU padalinio darbo vadovo ar grupės vadovo arba darbovietės vadovo rekomendacija būtų privalumas.

Dokumentus prašome siųsti VU Studijų administravimo skyriui (el. paštu ) ir „Thermo Fisher Scientific Baltics“ (el. paštu ), el. laiško pavadinime nurodant: Paraiška „Thermo Fisher Scientific“ stipendijai gauti.

Iškilus klausimams, prašome kreiptis į UAB „Thermo Fisher Scientific Baltics“ atstovą Edviną Stankevič el. paštu arba į VU finansinės paramos studentams koordinatorę Jurgitą Alonderytę-Venckienę el. paštu .

Su „Thermo Fisher Scientific Baltics“ vardinės stipendijos skyrimo 2022–2023 mokslo metams konkurso sąlygomis galite susipažinti čia.

2022-05-09

Dokumentai reikalingi norint dalyvauti atrankoje:           

1. Registracija internetu. Registracija atidaryta iki gegužės 31d. (papildoma atranka)

2. Išrašas iš dekanato apie akademinius rezultatus (anglų kalba), (magistro studentai pateikia diplomo kopiją);

4. Bent 4 institucijose sudaryti preliminarų studijų planą (kiekvienai institucijai  pildyti atskirą Learning agreement lapą, visos programos turi būti pateikiamos atrankos komisijai su fakulteto koordinatoriaus parašais).

International Student Exchange Programs (ISEP) – studentų mainų programa,  kuri didžiuojasi daugiau nei 300 aukštojo mokslo institucijų virš 50 pasaulio šalių partneryste.

Kas gali dalyvauti ISEP mainuose?

1. Vilniaus universiteto nuolatinių studijų studentai (bakalauro, magistro, pirmenybė teikiama antrosios pakopos studentams);
2. Atrankos metu yra baigę 2 pirmosios studijų pakopos semestrus;
3. Antrosios pakopos studentai iki planuojamų studijų pradžios Universitete turi būti baigę pirmąjį semestrą.

Dėmesio: Visa komunikacija vykdoma tik per Universiteto ISEP koordinatorių, tiesiogiai ISEP siunčiamos studentų užklausos nebus atsakinėjamos.

Išsamesnė informacija apie programą, atrankos procesą bei kriterijus, registracijos procedūrą ir terminus

ISEP mainų programa siūlo šias mobilumo galimybes:

2022-05-09

Prof. Olga Kurasova, Matematikos ir informatikos fakulteto, Duomenų mokslo ir skaitmeninių technologijų institutas

Dauguma šiuo metu sukurtų dirbtiniu intelektu grįstų metodų, sprendžiančių konkrečius uždavinius, yra priskiriami prie specifinio intelekto. Gebėjimas kurti laikomas aukščiausiu intelekto lygmeniu, kurio ne vienerius metus siekia dirbtinio intelekto sistemų kūrėjai, o algoritmai, kurie sugeba kurti, tik per žingsnį atsilieka nuo bendrojo dirbtinio intelekto, imituojančio žmogiškąjį intelektą.

Būtent šią dirbtiniam intelektui svarbią savybę suteikia naujos kartos dirbtiniai generatyviniai besivaržantieji tinklai (angl. Generative Adversarial Networks, GANs). Kol kas jie yra daugiausia taikomi vaizdams generuoti. Pavyzdžiui, neuroninis tinklas, pasitelkus tikrų žmonių nuotraukas, apmokomas taip, kad gebėtų generuoti neegzistuojančių žmonių veidus. Tačiau šio tipo neuroniniai tinklai taikomi ir kitiems, daug sudėtingesniems uždaviniams spręsti. Pavyzdžiui, apmokius tinklą magnetinio rezonanso vaizdais, vėliau jis geba generuoti to paties organo kompiuterinės tomografijos vaizdus.

Tinklo dalys konkuruoja tarpusavyje

Generatyvinis besivaržantysis tinklas – tai giliųjų neuroninių tinklų architektūra, sudaryta iš dviejų besivaržančių / konkuruojančių tinklų. Kaip 2016 m. teigė Facebook’o dirbtinio intelekto tyrimų direktorius Yannas LeCunas, tai įdomiausia idėja per pastaruosius 10 metų mašininio mokymosi srityje. Neuroninio tinklo modelyje sujungiami du tinklai: generatorius ir diskriminatorius (1 pav.). Į diskriminatorių pateikiami tikri vaizdai, pavyzdžiui, žmonių nuotraukos. Į generatorių pateikiamas vadinamasis triukšmas, t. y. matrica, kurios elementai yra atsitiktiniai skaičiai. Iš triukšmo generatorius pagamina netikrus vaizdus, jie pateikiami į diskriminatorių, į kurį pateikiami ir tikri vaizdai. Diskriminatorius turi nustatyti, ar pateiktas vaizdas yra tikras, ar ne. Neuroninio tinklo mokymo metu siekiama, kad generatorius generuotų tokius netikrus vaizdus, kurie būtų kuo tikroviškesni, t. y. diskriminatorius sunkiai atskirtų netikrą vaizdą nuo tikro. Tinklo mokymo metu keičiami tiek diskriminatoriaus, tiek generatoriaus svoriai, minimizuojant tam tikras nuostolių funkcijas. Apmokius tokį tinklą, generatorius gali kurti vaizdus, kurie atrodytų labai tikroviškai. Dėl to tinklai vadinami besivaržančiaisiais, nes konkuruoja dvi jų dalys – diskriminatorius ir generatorius. Generatorius nori sukurti tokį netikrą vaizdą, kad suklaidintų diskriminatorių ir šis „pagalvotų“, jog tai tikras vaizdas.

1 pav. Generatyvinio besivaržančiojo tinklo schema

Dėl savo savybių generatyviniai besivaržantieji tinklai gali „išmokti“ imituoti bet kokį duomenų pasiskirstymą. Dažniausiai šio tipo neuroniniai tinklai mokomi taikant neprižiūrimo mokymosi strategiją, kadangi jiems nereikia mokymo duomenų su trokštamomis išvestimis, kaip yra sprendžiant klasifikavimo ar prognozavimo uždavinius, kai būtina žinoti klasės ar požymio, kurį norime prognozuoti, reikšmes.

Generatyviniai besivaržantieji tinklai gali daryti labai panašius dalykus, kokius sugeba daryti žmogus – kurti muziką, piešti paveikslus, sintezuoti šneką ir kt. Pirmasis generatyvinio besivaržančiojo tinklo sukurtas paveikslas – portretas „Edmond de Belamy“ – 2018 m. aukcione buvo parduotas už 432 tūkst. JAV dolerių. Dirbtinio intelekto sukurti meno kūriniai parduodami ir specialiose internetinėse galerijose (pvz., artaigallery.com).

Atkartojamas garsių dailininkų stilius

Platų pritaikymo spektrą rado vadinamieji sąlyginiai generatyviniai besivaržantieji tinklai, kuriems pateikiama papildoma informacija, pavyzdžiui, tam tikra žymė. Tačiau šiuo atveju tinklai mokomi taikant prižiūrimo mokymosi strategiją. Sąlyginiai generatyviniai besivaržantieji tinklai sėkmingai naudojami įvairiose srityse. Juos pasitelkus galima iš tam tikromis savybėmis pasižyminčio vaizdo sukurti kitą vaizdą, t. y. vieną vaizdą transformuoti į kitą, pasinaudojus sąlygose nurodytomis savybėmis. Turint dieną fotografuotos aplinkos vaizdus, galima sukurti tos pačios aplinkos nakties vaizdus arba tos pačios aplinkos vasaros vaizdą paversti žiemos vaizdu. Be to, turint tam tikro objekto kontūrą / trafaretą, galima sukurti realų vaizdą arba, apmokius neuroninį tinklą zebrų nuotraukomis, generuoti žirgų nuotraukas, apelsinų nuotraukas pakeisti obuolių nuotraukomis. Panašų principą galimą taikyti veidams redaguoti. Pavyzdžiui, sukurti nuotrauką, kurioje žmogus šypsotųsi, arba pakeisti jo plaukų spalvą; sukurti nuotrauką, kurioje žmogus būtų su akiniais ar su barzda, nors originalioje nuotraukoje jis buvo be jų.

Dar vienas įdomus taikymas – neuroninis tinklas išmokomas įprastą vaizdą pakeisti taip, kad jame išliktų tie patys objektai, bet vaizdas atrodytų kaip gerai žinomo dailininko stiliumi pieštas paveikslas (2 pav.). Pirmame stulpelyje pateikti trys įprasti vaizdai, kituose stulpeliuose – tie patys vaizdai, tačiau pakeistas jų stilius. Vaizdai atrodo kaip Claude'o Monet, Vincento van Gogho ar Paulio Cézanne'o paveikslai.

2 pav. Pradinio vaizdo stiliaus pakeitimas taikant besivaržantįjį neuroninį tinklą. Adaptuota iš J. Y. Zhu, T. Park, P. Isola ir A. A. Efros, „Nesuporuotas vaizdo pakeitimas naudojant neuroninį generatyvinį tinklą“, 2017 m. IEEE tarptautinės kompiuterinės regos konferencijos medžiagos, p. 2223-2232

Pagal tekstą generuojami vaizdai

Dar vienas būdingas generatyvinių besivaržančiųjų tinklų taikymo pavyzdys – vaizdo generavimas pagal trumpą tekstą, kuriame aprašyta tai, kas pavaizduota. Tam yra sukurtas StackGAN neuroninis tinklas, kuris priklauso sąlyginių besivaržančiųjų neuroninių tinklų klasei. Tinklo architektūrą sudaro du tinklai, dar vadinami I ir II etapo. I etape tinklas pagal pateiktą tekstą generuoja mažos skiriamosios gebos vaizdus, t. y. sugeneruojamos pagrindinės būdingosios vaizdo savybės. II etape StackGAN mokymosi metu naudoja sąlyginį tekstą ir I etape sugeneruotus mažos skiriamosios gebos vaizdus. Siekiant pagerinti vaizdo kokybę, jis papildomas būtinomis smulkesnėmis detalėmis (3 pav.). Į neuroninį tinklą pateikiamas viršuje užrašytas tekstas, tinklas sugeneruoja paveiksliukus, kurie aprašomi pateiktame tekste. Matyti, kad geriausios kokybės rezultatus generuoja StackGAN tinklas.

3 pav. Generatyviniais besivaržančiaisiais tinklais sugeneruotų paveiksliukų pavyzdžiai. Paskutinėje eilutėje StackGAN rezultatai. Adaptuota iš H. Zhang, T. Xu, H. Li, S. Zhang, X. Wang, X. Huang ir D. N. Metaxas, „StackGAN++: realistiška vaizdo sintezė naudojant generatyvinius besivaržančius tinklus“, IEEE straipsniai apie modelių analizę ir mašininį intelektą, 2019, Nr. 41(8), p. 1947–1962

Generatyviniai besivaržantieji tinklai gali būti taikomi vaizdų skiriamajai gebai padidinti. Problema iškyla tuomet, kai turime anksčiau darytus vaizdus, kurių skiriamoji geba dėl tuo metu egzistavusių technologijų yra gana žema, o dabar norime matyti aukštos skiriamosios gebos vaizdus. Ši funkcija gali būti naudinga senoms fotografijoms restauruoti arba padidintų vaizdų kokybei pagerinti. Tai gali padaryti vadinamasis SRGAN tinklas. Jo mokymo pradžioje aukštos skiriamosios gebos vaizdas  sumažinamas iki mažos skiriamosios gebos vaizdo. Tinklo generatoriaus tikslas – padidinti mažos skiriamosios gebos vaizdų gebą iki vadinamosios super skiriamosios gebos. Tinklo diskriminatoriaus tikslas – atskirti originalius aukštos skiriamosios gebos vaizdus nuo super skiriamosios gebos vaizdų. Kaip įprasta generatyviniuose tinkluose, abi dalys varžosi tarpusavyje, kol diskriminatorius nebesugeba atskirti, ar tai originalus aukštos skiriamosios gebos vaizdas, ar generatoriaus sukurtas super skiriamosios gebos vaizdas. Taip apmokyto tinklo generatorius galės generuoti aukštos skiriamosios gebos vaizdus, kurie atrodys tikroviškesni, nei taikant kitus super skiriamosios gebos vaizdų kūrimo metodus.

Neuroniniai tinklai taikomi ir medicininiams vaizdams generuoti

Prieš tai aptarti generatyvinių besivaržančiųjų tinklų taikymai susiję su įprastų vaizdų (nuotraukų) analize, tačiau jie sėkmingai taikomi ir medicininiams vaizdams generuoti. Dažna medicininių vaizdų analizės problema – duomenų trūkumas, kadangi medicininių vaizdų surinkimas ir paruošimas analizei reikalauja daug laiko, be to, tai atlikti turi aukštos kompetencijos medicinos specialistai, kurie dažnai yra apkrauti savo tiesioginiais darbais. Kaip žinoma, norint gerai išmokyti mašininio mokymosi algoritmus, būtina turėti didelius duomenų kiekius. Ypač tai aktualu, jei taikomi giliojo mokymosi algoritmai. Be to, gali būti situacijų, kai daug vaizdų surinkti tiesiog neįmanoma, pavyzdžiui, siekiant identifikuoti labai retas ligas. Tokiu atveju į pagalba ateina generatyviniai besivaržantieji tinklai, kurie gali sugeneruoti neegzistuojančių pacientų kompiuterinės tomografijos, magnetinio rezonanso, rentgeno ar kitus medicininius vaizdus. Šio tipo neuroniniai tinklai taip pat gali būti taikomi triukšmui mažos spinduliuotės dozės kompiuterinės tomografijos vaizduose panaikinti arba tarpiniams magnetinio rezonanso vaizdams generuoti.

Generatyviniai besivaržantieji tinklai puikiai tinka daugiamodalių medicininių vaizdų sintezei. Apmokius tinklą magnetinio rezonanso vaizdais, vėliau jis geba generuoti to paties organo kompiuterinės tomografijos vaizdus. Šių dviejų tipų vaizdai yra vertingi tam tikrų ligų diagnostikai, kadangi vienuose vaizduose geriau išryškėja vieni dalykai, kituose – kiti.

Gali praversti ir kibernetinio sukčiavimo prevencijai

Generatyviniai besivaržantieji tinklai gali generuoti ne tik vaizdus, bet ir kito tipo duomenis, pavyzdžiui, netikrus puslapio adresus internete (angl. Uniform Resource Locators, URL), kurie naudojami tinklui apmokyti. Toks tinklas turėtų gebėti atskirti sukčiavimui skirtus URL adresus (angl. phishing) nuo tikrų URL adresų. Generatyviniai besivaržantieji tinklai sėkmingai taikomi ir kitiems tikslams. Pavyzdžiui, Guidžou universiteto (Kinija) mokslininkas Yabo Danas pasiūlė veiksmingą generatyvinio besivaržančiojo tinklo modelį, skirtą naujoms hipotetinėms neorganinėms medžiagoms generuoti.

Be naudingų dalykų, kuriuos gali sukurti generatyviniai besivaržantieji tinklai, jie gali sukelti ir tam tikrų grėsmingų situacijų. Tikriausiai nė vienas iš mūsų nenorėtų, kad jo nuotrauka atsidurtų tokioje aplinkoje, kurioje mes nesame buvę ir kuri gali kelti socialinę, o galbūt net ir finansinę grėsmę. Tačiau šios grėsmės neturėtų užgožti ir stabdyti generatyvinių besivaržančiųjų tinklų pažangos.

2022-04-05

Vilniaus universiteto Rektorius skyrė apdovanojimus už reikšmingus mokslo pasiekimus 2021 metais geriausių mokslinių darbų autoriams ir (arba) autorių kolektyvams. Trijose skirtingose kategorijose buvo skirti net keturi apdovanojimai VU MIF mokslininkams.

Pristatome visas nominacijas, o patys mokslininkai trumpai apibūdina, kuo svarbūs jų projektai.

GERIAUSIOS GAMTOS, MEDICINOS IR SVEIKATOS IR TECHNOLOGIJOS MOKSLO SRIČIŲ PUBLIKACIJOS KATEGORIJA:
HABIL. DR. ANTANAS ŽILINSKAS

Apdovanojimas skirtas MIF profesoriui habil. dr. Antanui Žilinskui už monografiją: „Zhigljavsky, Anatoly; Žilinskas, Antanas. Bayesian and High-Dimensional Global Optimization. Cham : Springer Nature“, 2021. 118 p. (SpringerBriefs in Optimization, ISSN 2190-8354, eISSN 2191-575X). ISBN 9783030647117. eISBN 9783030647124. DOI: 10.1007/9783-030-64712-4.

- Prof. Antanai, kuo svarbus Jūsų darbas „Bayesian and High-Dimensional Global Optimization“?

- Šioje monografijoje apibendrinti mano paskutinių penkiolikos metų tyrimo rezultatai, išryškinta jų svarba kitų globaliosios optimizacijos tyrimų kontekste. Čia taip pat aptarti retai mokslinėse publikacijose pateikiami teoriniai ir algoritmų realizavimo sunkumai bei kritiškai išanalizuotos šios krypties tolesnių tyrimų perspektyvos. Tikiu, kad pateikti rezultatai inicijuos naujus teorinius tyrimus, padės vartotojui racionaliai pasirinkti tinkamiausią algoritmą bei mokslininkams kurti naujus algoritmus.

- Ko siekiama šiais tyrimais?

Monografijoje aprašytų tyrimų tikslas buvo sukurti teoriškai pagrįstus taikymams aktualius globalios optimizacijos algoritmus. Naujų technologijų bei atskirų inžinerinių įrenginių projektavimas nebeįsivaizduojamas be kompleksinio kompiuterinio modeliavimo bei optimizavimo algoritmų taikymo. Globaliosios optimizacijos reikšmė natūraliai auga augant projektuojamųjų objektų kompiuterinių modelių sudėtingumui. Ypač sudėtingi taip vadinamieji juodosios dėžės globalios optimizacijos uždaviniai, kurių sprendimo algoritmai aprašyti ir analizuojami monografijoje. Baigdamas pažymėsiu, kad Bajeso globaliosios optimizacijos algoritmai pastaruoju metu pradėti plačiai taikyti mašinų mokyme.

 GERIAUSIO TAIKOMOJO DARBO KATEGORIJOJA: DR. RIMANTAS VAICEKAUSKAS

Šioje kategorijoje pripažinimo sulaukė MIF Informatikos instituto profesorius dr. Rimantas Vaicekauskas už taikomąjį darbą – užsakomąjį mokslinį tyrimą, atliktą Informatikos institute pagal sutartį Nr. (1.57) 15600-INS-65 su UAB „Elsis Pro“ (šiuo metu „Novian“ įmonių grupės narys).

- Prof. Rimantai, kuo svarbus Jūsų atliktas mokslinis tyrimas ir ko siekia jį užsakiusi įmonė?

Užsakomojo mokslinio tyrimo tikslas – išspręsti užsakovo pateiktus uždavinius. Manome, mūsų pasiūlyti sprendimai yra užsakovui naudingi ir prisidės prie saugesnės oro navigacijos užtikrinimo.


Užsakovas, įmonė „Elsis Pro“, turinti ilgametę patirtį įvairialypės programinės įrangos produktų kūrimo srityje, pasitelkė Informatikos instituto specialistus kurdami naują inovatyvų produktą – integruoto oro erdvės transporto (skrydžių) analizės ir valdymo sistemą, kurios funkcionalumas ir kompleksiškumas apima oro transporto erdvės planavimo ir operacinio valdymo ciklą, pradedant išankstiniu ilgalaikiu planavimu ir baigiant taktiniu planavimu, vykdomu operacijų dieną.
Informatikos instituto tyrėjai, spręsdami užsakovo pateiktus skaičiavimams ypač imlius prognozavimo ir matematinio optimizavimo uždavinius, pasiūlė pritaikyti ir praktiškai įgyvendino inovatyvią hibridinę sprendimo techniką. Joje euristiniai optimizavimo metodai yra išplečiami mašininio mokymo komponente (giliaisiais neuroniniais tinklais), suteikiančiame sinerginių pranašumų naujai kuriamam produktui universalumo, veikimo spartos, efektyvumo ir patikimumo požiūriais.

- Kokio rezultato siekiate?

- Galutinis tikslas – racionaliau panaudoti skrydžių valdyme naudojamus resursus. Tikimės, kad VU mokslininkų pagalba kuriamas produktas prisidės prie esminės aviacijos plėtros problemos sprendimo: sumažins lėktuvų skrydžių vėlavimus ir tuo pačiu užtikrins saugesnę oro navigaciją.

GERIAUSIO TARPTAUTINIO PROJEKTO KATEGORIJA: DR. AGNĖ BRILINGAITĖ

Geriausio tarptautinio projekto kategorijoje pasižymėjo MIF Informatikos instituto docentė dr. Agnė Brilingaitė. Ji buvo apdovanota už tarptautinį projektą: „Kibernetinio saugumo kompetencijų gerinimas, ADVANCES“ (Nr. LT08-2- LMT-K01-051). Projekto vadovė – dr. Agnė Brilingaitė.

- Doc. Agne, kokį produktą siekiama sukurti „Kibernetinio saugumo kompetencijų gerinimas, ADVANCES“ projekte?

- Dėl viešojo ir privataus sektorių paslaugų skaitmenizacijos ir geo-politinės situacijos auga kibernetinio saugumo specialistų poreikis. Tokiems specialistams svarbios ne tik dalykinės kompetencijos, bet ir gebėjimas greitai veikti streso sąlygomis, sekti procedūras, valdyti komandą, kritiškai vertinti situaciją ir daryti svarbius sprendimus. Vakarų pasaulyje tokie reikalavimai vis dažniau atsiranda net ir darbo skelbimuose. Tarptautiniame ADVANCES projekte aštuonių partnerių mokslininkai kuria įrankių rinkinį, skirtą kibernetinio saugumo specialistų kompetencijų tobulinimui.

- Koks pagrindinis projekto tikslas?

- Projektu siekiama sukurti mokslu grįstą daugiakryptę metodiką, kuri padėtų įvertinti kibernetinio saugumo specialisto bendrąsias ir dalykines kompetencijas bei rizikas kompetencijų ugdymo procese. Pagrindinis projekto tikslas - tobulinti kibernetinio saugumo specialistų kompetencijas, identifikuojant galimus pagerinimus pagal tris galimas perspektyvas: biologinės žmogaus sistemos, žmogaus elgsenos įpročius ir kibernetinio saugumo specialisto gebėjimus bei žinias.

GERIAUSIO TARPTAUTINIO PROJEKTO KATEGORIJA: DR. JURGITA MARKEVIČIŪTĖ

Dar vienas MIF pasiekimas kartu su universiteto Filosofijos fakulteto Sociologijos ir socialinio darbo institutu: apdovanojimas skirtas profesoriui (su išskirtinio profesoriaus kategorija) habil. dr. Zenonui Norkui, vyresniajai mokslo darbuotojai dr. Jurgitai Markevičiūtei, mokslo darbuotojui dr. Vytautui Valatkai ir jaunesniajam mokslo darbuotojui Adomui Klimantui už tarptautinį projektą: „Kiekybiniai duomenys apie visuomenės ir ekonominius pokyčius trijų Baltijos šalių regionuose per pastaruosius šimtą metų istorinių pokyčių analizei ir ateities iššūkių įveikai“ (Nr. EEA-RESEARCH-174). Projekto vadovas – habil. dr. Z. Norkus.

- Doc. Jurgita, kuo svarbus projektas „Kiekybiniai duomenys apie visuomenės ir ekonominius pokyčius trijų Baltijos šalių regionuose per pastaruosius šimtą metų istorinių pokyčių analizei ir ateities iššūkių įveikai“?

- Tai tarpdisciplininis projektas, apimantis socioekonominę 100 metų trijų Baltijos šalių istoriją. Jo metu pirmą kartą bus pateiktas visų trijų šalių palyginamas bendrojo vidaus produkto (BVP) įvertis bei augimo tempai 100 metų laikotarpiui nuo nepriklausomybės karų iki šių dienų. Taikant metodiką, patikrintą naujausiuose Europos regionų ekonominės plėtros nuo 1900 m. tyrimuose, šios BVP eilutės bus išskaidytos iki regioninio lygmens, kad būtų galima ištirti ekonominių ir socialinių skirtumų tarp regionų kiekvienoje Baltijos valstybėje tendencijas.

- Kokį įrankį ar produktą siekiama sukurti?

Projekto tikslas – sukurti kiekybinių duomenų apie socialinius ir ekonominius pokyčius trijų Baltijos valstybių regionuose per pastaruosius šimtą metų saugyklą ir pateikti kiekybinę ilgalaikių (nuo 1920 m.) regioninių skirtumų tendencijų analizę. Kuriant saugyklą, tęsiamas grupės Lietuvos tyrėjų jau atliktas darbas komplektuojant ir skelbiant Baltijos šalių istorinės statistikos duomenis, žr. https://lida.dataverse.lt/dataverse/HistatData_Baltic

- Kokią vertę jo rezultatai sukurs visuomenei?

Atsižvelgiant į sudėtingą istorijos tikrovę, būtina rinkti ir analizuoti duomenis. 100 metų periodas apima įvairius politinius ir ekonominius modelius bei iššūkius, kurie turėjo įtakos Baltijos šalių ir jų regionų raidai. Ši įtaka juntama iki šiol. Papildomų iššūkių kelia skirtingos istorijos interpretacijos informacinėje erdvėje. Per pastarąjį dešimtmetį labai išaugo tendencija naudoti istoriją kaip propagandos priemonę. Lyginamųjų Baltijos šalių istorinių duomenų rinkimas ir analizė yra svarbūs tiek strateginės komunikacijos, tiek medijų raštingumo požiūriu. Tai padarys duomenis prieinamus plačiajai auditorijai ir leis juos plačiai panaudoti duomenimis pagrįstoje argumentacijoje.

 2022-05-03

Lietuvos dirbtinio intelekto asociacija (LDIA) balandžio 24 – gegužės 1 dienomis kvietė dalyvauti „Lietuvos DI“ hakatone, kuris vyko Matematikos ir informatikos fakultete (MIF).

Antrą kartą organizuojame „Lietuvos DI“ hakatone buvo nagrinėjamos keturios temos: dalyviai turėjo įveikti signalų transformavimo uždavinius iš šnekos signalų pašalinant pašalinius triukšmus, siūlė indeksus apibrėžti prekių poreikio piką, sprendė sentimento radimą tekstiniuose duomenyse uždavinius bei ieškojo kaip atpažinti duomenų priežastingumo kryptį.

Renginį organizuojantis MIF dėstytojas Linas Petkevičius džiaugėsi didele uždavinių įvairove bei dalyvaujančių komandų atkaklumu pagerinti savo sprendimus: „Labai smagu gyvai apdovanoti laimėtojus! Šiemet sulaukėme daug dalyvių, kurie savarankiškai domisi mašininio mokymo technologijomis. Tai tik dar kartą demonstruoja augantį šių technologijų populiarumą.“

Renginyje išdalintas LDIA įsteigtas užduočių prizinis fondas – 1500 eurų. Sentimentų identifikavimo tekste ir priežastingumo nustatymo užduotis laimėjo Evaldas Kazlauskis, Edvin Saveljev. Kalbos garsų triukšmų pašalinimo užduočių sprendimuose prizinės vietos atitetko Grigory Malivenko ir Vitalii Bozheniuk.

2022-05-02