Polska Sieć Infrastruktury Badawczej dla nauk ścisłych wspomaganych sztuczną inteligencją

Projekt realizowany w ramach działania 2.4 w programie FENG nr FENG.02.04-IP.04-0019/24.

Celem projektu „Polska Sieć Infrastruktury Badawczej dla nauk ścisłych wspomaganych sztuczną inteligencją (PLAI4SCIENCE)” jest stworzenie unikatowej infrastruktury badawczej wspierającej rozwój nauk ścisłych, szczególnie fizyki i chemii, przy użyciu sztucznej inteligencji (AI) i uczenia maszynowego (ML). Głównym zastosowaniem tej infrastruktury jest stworzenie platformy obliczeniowej i stanowisk pomiarowych dla środowiska naukowego i podmiotów gospodarczych, dostarczając narzędzi do:
1. Symulacji materiałowych wspomaganych mechanizmami ML: badanie właściwości molekuł i nanostruktur; badanie właściwości optoelektronicznych układów niskowymiarowych; rozwój i wykorzystanie metod kwantowo-chemicznych oraz symulacyjnych wspomaganych przez AI/ML w celu zmniejszenia kosztów obliczeń teoretycznych oraz umożliwienia symulacji dużych układów, trudnych do przetwarzania dostępnymi obecnie metodami kwantowo-chemicznymi. Komercyjne aplikacje: przewidywanie właściwości układów wieloelektronowych, chemia obliczeniowa, obliczenia spektroskopowe, inżynieria materiałowa, dynamika molekularna, projektowanie leków, identyfikacja materiałów dla branż fotowoltaiki, spintroniki i elektroniki organicznej.
2. Spektroskopii molekularnej i metrologii fotonicznej: wykorzystanie optycznych wnęk rezonansowych, spektroskopii ultraprecyzyjnej, optycznych grzebieni częstotliwości do pomiarów własności materiałowych i procesów ultraszybkich oraz walidacji modeli spektroskopowych wyliczonych przy użyciu metod AI i modeli ML, „inteligentne” źródła światła. Komercyjne aplikacje: charakteryzacja materiałów dla sektorów półprzewodnikowego i optoelektroniki, generacja danych referencyjnych dla systemów monitorowania atmosfery i wykrywania śladowych ilości substancji, monitorowanie procesów technologicznych, diagnostyka biomedyczna, precyzyjna charakteryzacja systemów laserowych.
3. Pomiarów wykorzystujących obrazowanie przestrzenno-spektralne: obrazowanie hiperspektralne z modelami ML do detekcji, segmentacji i klasyfikacji widm oraz dedykowane modele wizji komputerowej. Komercyjne aplikacje: monitorowanie środowiskowe i monitorowanie zjawisk, kontrola jakości (np. żywności), bezkontaktowa detekcja i identyfikacja substancji, diagnostyka medyczna.
4. Użycia wyjaśnialnej AI i metod ML w naukach ścisłych: specjalistyczne algorytmy i modele, zarówno klasyczne jak i architektury głębokich sieci neuronowych np. sieci grafowych i modeli językowych oraz narzędzia do douczania modeli i uczenia ze wzmocnieniem. Elementem infrastruktury jest zaawansowane środowisko obliczeniowe z klastrami o wysokiej mocy i odpowiednim oprogramowaniem.

W ramach projektu  zostaną zakupione lub opracowane:

- Stanowisko: klaster obliczeniowy - podstawa uruchamianej platformy
- Platforma oprogramowania do obliczeń naukowych wspieranych AI i ML
- Pakiet oprogramowania do symulacji dynamiki oddziaływań układów atomowych ze światłem
- Pakiet aplikacji do dokładnych obliczeń kwantowo-chemicznych ab initio i KS-DFT wspieranych metodami AI
- Stanowisko do testowania i rozwoju elektro-optycznych układów modulacji światła laserowego
- Układ optyczny do precyzyjnych pomiarów dynamiki oka ludzkiego
- Wysokowydajna stacja robocza do masowego przetwarzania obrazowych danych biomedycznych i strukturalnych
- Stanowisko prototypowania i wytwarzania układów mechanicznych
- Metody pozyskiwania, analizy i syntezy danych biomedycznych dostarczanych przez układ optyczny do precyzyjnych pomiarów dynamiki oka ludzkiego
- Licencja na środowisko programistyczne do kontroli stanowiska pomiarowego
- Pakiet oprogramowania CAD/CAM
- Spektrometr dwugrzebieniowy na zakres średniej podczerwieni na bazie laserów Cr:ZnS/Se
- Układ do wieloparametrycznej optymalizacji procesu generacji i propagacji impulsów laserowych opartej na AI
- Szerokopasmowy spektrometr na zakres fal THz i dalekiej podczerwieni (λ>25 µm) w konfiguracji dwugrzebieniowej
- Węzeł obliczeń AI
- Serwer rozwoju narzędzi AI
- Stanowisko do badania i rozwoju metod przetwarzania obrazów hiperspektralnych
- Platforma przestrzenno-spektralnego przetwarzania i klasyfikacji obrazów hiperspektralnych
- Platforma wyjaśnialnej sztucznej inteligencji do skalowalnego przetwarzania i analizy danych
- Infrastruktura do badań nad symulacjami materiałowymi oparte o uczenie maszynowe
- Metody sztucznej inteligencji do analizy danych z nauk ścisłych i przyrodniczych
- Interfejs integracji platformy danych projektu z EOSC oraz OpenAire
- Repozytorium danych i modeli sztucznej inteligencji
- Platforma oprogramowania do obliczeń naukowych wspieranych AI i ML

Wyniki realizacji projektu są skierowane do naukowców prowadzących badania z zakresu fizyki, chemii i innych dziedzinach wymagających analizy i przetwarzania dużych zbiorów danych.

IITIS PAN jest koordynatorem projektu, w którym biorą udział także Uniwersytet Mikołaja Kopernika w Toruniu, Politechnika Wrocławska i Instytut Chemii Bioorganicznej PAN, Poznańskie Centrum Superkomputerowo - Sieciowe.

Całkowity koszt realizacji Projektu wynosi 92 635 716,67 zł, dofinansowanie 69 709 425,54 zł.

#FunduszeEuropejskie  #FunduszeUE

    

 

Numer projektu: 

FENG.02.04-IP.04-0019/24

Termin: 

od 01/01/2025 do 31/12/2029

Typ projektu: 

Inne

Kierownik projektu: 

dr hab. inż. Krzysztof Grochla

Wykonawcy projektu: 

dr inż. Michał Romaszewski
dr hab. inż. Przemysław Głomb

Historia zmian

Data aktualizacji: 07/01/2025 - 13:07; autor zmian: mgr inż. Ewelina Szweda (eszweda@iitis.pl)

Projekt realizowany w ramach działania 2.4 w programie FENG nr FENG.02.04-IP.04-0019/24.

Celem projektu „Polska Sieć Infrastruktury Badawczej dla nauk ścisłych wspomaganych sztuczną inteligencją (PLAI4SCIENCE)” jest stworzenie unikatowej infrastruktury badawczej wspierającej rozwój nauk ścisłych, szczególnie fizyki i chemii, przy użyciu sztucznej inteligencji (AI) i uczenia maszynowego (ML). Głównym zastosowaniem tej infrastruktury jest stworzenie platformy obliczeniowej i stanowisk pomiarowych dla środowiska naukowego i podmiotów gospodarczych, dostarczając narzędzi do:
1. Symulacji materiałowych wspomaganych mechanizmami ML: badanie właściwości molekuł i nanostruktur; badanie właściwości optoelektronicznych układów niskowymiarowych; rozwój i wykorzystanie metod kwantowo-chemicznych oraz symulacyjnych wspomaganych przez AI/ML w celu zmniejszenia kosztów obliczeń teoretycznych oraz umożliwienia symulacji dużych układów, trudnych do przetwarzania dostępnymi obecnie metodami kwantowo-chemicznymi. Komercyjne aplikacje: przewidywanie właściwości układów wieloelektronowych, chemia obliczeniowa, obliczenia spektroskopowe, inżynieria materiałowa, dynamika molekularna, projektowanie leków, identyfikacja materiałów dla branż fotowoltaiki, spintroniki i elektroniki organicznej.
2. Spektroskopii molekularnej i metrologii fotonicznej: wykorzystanie optycznych wnęk rezonansowych, spektroskopii ultraprecyzyjnej, optycznych grzebieni częstotliwości do pomiarów własności materiałowych i procesów ultraszybkich oraz walidacji modeli spektroskopowych wyliczonych przy użyciu metod AI i modeli ML, „inteligentne” źródła światła. Komercyjne aplikacje: charakteryzacja materiałów dla sektorów półprzewodnikowego i optoelektroniki, generacja danych referencyjnych dla systemów monitorowania atmosfery i wykrywania śladowych ilości substancji, monitorowanie procesów technologicznych, diagnostyka biomedyczna, precyzyjna charakteryzacja systemów laserowych.
3. Pomiarów wykorzystujących obrazowanie przestrzenno-spektralne: obrazowanie hiperspektralne z modelami ML do detekcji, segmentacji i klasyfikacji widm oraz dedykowane modele wizji komputerowej. Komercyjne aplikacje: monitorowanie środowiskowe i monitorowanie zjawisk, kontrola jakości (np. żywności), bezkontaktowa detekcja i identyfikacja substancji, diagnostyka medyczna.
4. Użycia wyjaśnialnej AI i metod ML w naukach ścisłych: specjalistyczne algorytmy i modele, zarówno klasyczne jak i architektury głębokich sieci neuronowych np. sieci grafowych i modeli językowych oraz narzędzia do douczania modeli i uczenia ze wzmocnieniem. Elementem infrastruktury jest zaawansowane środowisko obliczeniowe z klastrami o wysokiej mocy i odpowiednim oprogramowaniem.

W ramach projektu  zostaną zakupione lub opracowane:

- Stanowisko: klaster obliczeniowy - podstawa uruchamianej platformy
- Platforma oprogramowania do obliczeń naukowych wspieranych AI i ML
- Pakiet oprogramowania do symulacji dynamiki oddziaływań układów atomowych ze światłem
- Pakiet aplikacji do dokładnych obliczeń kwantowo-chemicznych ab initio i KS-DFT wspieranych metodami AI
- Stanowisko do testowania i rozwoju elektro-optycznych układów modulacji światła laserowego
- Układ optyczny do precyzyjnych pomiarów dynamiki oka ludzkiego
- Wysokowydajna stacja robocza do masowego przetwarzania obrazowych danych biomedycznych i strukturalnych
- Stanowisko prototypowania i wytwarzania układów mechanicznych
- Metody pozyskiwania, analizy i syntezy danych biomedycznych dostarczanych przez układ optyczny do precyzyjnych pomiarów dynamiki oka ludzkiego
- Licencja na środowisko programistyczne do kontroli stanowiska pomiarowego
- Pakiet oprogramowania CAD/CAM
- Spektrometr dwugrzebieniowy na zakres średniej podczerwieni na bazie laserów Cr:ZnS/Se
- Układ do wieloparametrycznej optymalizacji procesu generacji i propagacji impulsów laserowych opartej na AI
- Szerokopasmowy spektrometr na zakres fal THz i dalekiej podczerwieni (λ>25 µm) w konfiguracji dwugrzebieniowej
- Węzeł obliczeń AI
- Serwer rozwoju narzędzi AI
- Stanowisko do badania i rozwoju metod przetwarzania obrazów hiperspektralnych
- Platforma przestrzenno-spektralnego przetwarzania i klasyfikacji obrazów hiperspektralnych
- Platforma wyjaśnialnej sztucznej inteligencji do skalowalnego przetwarzania i analizy danych
- Infrastruktura do badań nad symulacjami materiałowymi oparte o uczenie maszynowe
- Metody sztucznej inteligencji do analizy danych z nauk ścisłych i przyrodniczych
- Interfejs integracji platformy danych projektu z EOSC oraz OpenAire
- Repozytorium danych i modeli sztucznej inteligencji
- Platforma oprogramowania do obliczeń naukowych wspieranych AI i ML

Wyniki realizacji projektu są skierowane do naukowców prowadzących badania z zakresu fizyki, chemii i innych dziedzinach wymagających analizy i przetwarzania dużych zbiorów danych.

IITIS PAN jest koordynatorem projektu, w którym biorą udział także Uniwersytet Mikołaja Kopernika w Toruniu, Politechnika Wrocławska i Instytut Chemii Bioorganicznej PAN, Poznańskie Centrum Superkomputerowo - Sieciowe.

Całkowity koszt realizacji Projektu wynosi 92 635 716,67 zł, dofinansowanie 69 709 425,54 zł.

#FunduszeEuropejskie  #FunduszeUE