Month: October 2024

Posted on

Predavanje prof. Mladena Kezunovica sa Texas A&M o upravljanju rizicima uz podršku AI/HPC u energetskom sektoru

Kako je planirano, pozvano predavanje „Upravljanje rizicima u budućoj široko rasprostranjenoj elektrifikaciji“ koje je održao prof. Mladen Kezunovic održano je 25. oktobra 2024. godine u Preduzetničkom gnijezdu na UDG-u. Bilo je prisutno preko 60 učesnika, uključujući studente, akademike sa crnogorskih univerziteta i predstavnike industrije. Ova radionica je organizovana u okviru projekta HPC4S3ME i podržana od strane EUROCC NCC Montenegro tima.

Koji su rizici? Metodologija za upravljanje rizicima i njihovo ublažavanje? Koje podatke imamo i kako upravljamo svim tim podacima? Kako AI/ML uz podršku HPC-a može pomoći?

Dr. Mladen Kezunovic je istaknuti profesor na Texas A&M univerzitetu sa preko 35 godina iskustva u elektroenergetici. Globalno priznat, dr. Kezunovic je autor preko 600 radova i konsultant za više od 50 kompanija širom svijeta. Njegova obimna istraživanja i doprinos industriji, naročito u modelovanju kvarova, analitici podataka i pametnim mrežama, donijeli su mu status IEEE Life Fellow i priznanje Nacionalne akademije inženjerstva SAD.

prof. Kezunovic from Texas A&M gave presentation on a nove approach to Risk managemement in energy sector
The workshop took place on 25 october at UDG
Over 60 people attended
How AI/ML supported by HPC can help mitigate risk in energy sector?
Posted on

Magistarski rad: HPC/AI za detekciju raka dojke

Ms. Tamara Pavlovic odbranila je svoj MSc rad na temu primjene HPC/AI za kreiranje prediktivnih modela za detekciju raka dojke dana 23.10.2024. Uz podršku od strane NCC Montenegro, Tamara je sprovela istraživanje u okviru projekta HPC4S3ME, sa fokusom na AI i primjene računarskog vida u medicini. Sa motivacionog aspekta, čestitamo Tamari na završetku i odbrani rada tokom mjeseca podizanja svijesti o raku dojke (‘Roze oktobar’), kada širom svijeta ljudi prihvataju roze boju i nose roze traku kako bi podigli svijest o zdravlju dojki.

APSTRAKT – Vještačka inteligencija (AI) donosi revoluciju u brojne sektore, uključujući i medicinu, nudeći inovativne metode za dijagnostikovanje, liječenje i istraživanje bolesti. Ovaj magistarski rad fokusira se na primjenu AI u dijagnostici raka dojke, koristeći algoritme računarskog vida za analizu mamografskih snimaka. Kroz kombinaciju konvolutivnih neuronskih mreža (CNN) i dubokog učenja razvijeni su modeli koji identifikuju maligne promjene, potencijalno doprinoseći ranijoj i preciznijoj detekciji bolesti. U radu se detaljno ispituje kako AI može unaprijediti efikasnost skrining procesa, smanjiti vrijeme potrebno za postavljanje dijagnoze i omogućiti personalizovaniji pristup liječenju. Pored tehnološkog napretka, razmatrana su i etička pitanja poput bezbjednosti pacijenata i transparentnosti AI sistema. Rezultati ovog istraživanja potvrđuju da primjena AI u dijagnostici raka dojke može značajno unaprijediti medicinske procedure. Testirani modeli, ResNet152 i DenseNet121, pokazali su veoma dobre performanse u klasifikaciji raka dojke. Njihove AUC vrijednosti, koje prelaze prag od 0.9, ukazuju na njihov potencijal za upotrebu u kliničkoj praksi. Ova saznanja ne samo da doprinose unapređenju dijagnostičkih procesa, već i otvaraju mogućnosti za dalja istraživanja i razvoj AI tehnologija u medicini.

This research was done in th context of HPC4S3ME and with the support from EUROCC NCC Montenegro
Ms Pavlovic finalized her thesis during the Breast Cancer Awareness Month (‘Pink October’)

Posted on

Magistarski rad: HPC/AI u preciznoj poljoprivredi

Mr Mato Martinović odbranio je svoj magistarski rad dana 23. oktobra 2024. godine. Njegovo istraživanje bilo je fokusirano na detekciju biljnih bolesti sa primjenom u vinogradima. Eksperimentisao je sa HPC/AI tehnologijama i računarskim vidom. Mato je jedan od najnovijih diplomaca master programa iz oblasti vještačke inteligencije kreiranog u okviru projekta EUROCC, a mentorstvo je realizovano uz podršku EUROCC NCC Crna Gora.

APSTRAKT – Ovo istraživanje analizira upotrebu računarskog vida u oblasti vinogradarstva. Rad opisuje probleme u vinogradarstvu, računarski vid i njegovu primjenu u ovoj oblasti. Analizirane su performanse modela ResNet50, VGG16 i MobileNet u klasifikaciji bolesti i sorti vinove loze. Modeli su postigli tačnosti od 98.67%, 97.28% i 98.72% na originalnom test skupu podataka, dok su na proširenom skupu postigli 87.47%, 72.07% i 86.64% u klasifikaciji bolesti. U klasifikaciji sorti, modeli su ostvarili tačnosti od 70%, 78% i 88% na originalnom skupu, i 66%, 51% i 72% na proširenom skupu. Model VGG16 pokazao je najveću razliku u tačnosti na proširenim podacima, dok je ResNet imao najmanji pad tačnosti u oba slučaja, što ukazuje na to da ResNet bolje generalizuje podatke. U radu je prikazan i proces kreiranja platforme koja omogućava korisnicima da putem mobilne aplikacije pošalju sliku i dobiju predikciju.

HPC/AI and computer vision for applications in smart viticulture
Posted on

Magistarski rad: AI/ML i primjene u medicini

Mr. Luka Jeremić odbranio je svoj magistarski rad dana 23. oktobra 2024. godine. Tema rada bila je AI i primjene u medicini. Njegovo istraživanje je realizovano uz mentorstvo članova tima HPC4S3ME i sprovedeno u okviru master programa iz oblasti vještačke inteligencije na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica (UDG). Ovaj program i studenti master studija podržani su od strane EUROCC NCC Crna Gora.

APSTRAKT – Ovo istraživanje proučava primjenu vještačke inteligencije u medicini, sa fokusom na klasifikaciju bolesti mozga, jetre i krvnih ćelija. Glavni cilj je evaluacija efikasnosti algoritama u prepoznavanju i klasifikaciji bolesti ovih organa. Kroz razvoj prototipa informacionog sistema, rad analizira kako vještačka inteligencija može unaprijediti dijagnostiku i doprinijeti razvoju personalizovane medicine. Metodologija uključuje pregled literature, razvoj modela računarskog vida i procjenu tačnosti modela korišćenjem stvarnih medicinskih podataka. Rezultati pokazuju da modeli zasnovani na dubokim neuronskim mrežama mogu povećati tačnost i brzinu dijagnostike, omogućavajući precizniju klasifikaciju bolesti. U radu su takođe istaknute prepreke i izazovi u implementaciji ovih tehnologija, uključujući potrebu za etičkim razmatranjima i obukom medicinskog osoblja. Zaključci ukazuju da ovaj pristup ima potencijal da značajno unaprijedi medicinu, ali su potrebna dodatna istraživanja i usavršavanje.

Mr Jeremic defended his master thesis on AI/ML and applications in medicine
Posted on

Magistarski rad: Duboko učenje u energetskom sektoru

Ms. Zoja Šćekić, mlada istraživačica na projektu HPC4S3ME, danas je odbranila svoj magistarski rad pod nazivom „Duboko učenje i primjene u energetskom sektoru“. Ovo predstavlja jedan od ključnih rezultata projekta u oblasti izgradnje kapaciteta, usmjerenog na sticanje HPC/AI vještina za primjene u prioritetnim domenima crnogorske S3 strategije.

APSTRAKT – Ovaj magistarski rad istražuje primjenu naprednih modela dubokog učenja za predikciju cijena električne energije za naredni dan, sa fokusom na tačnost i efikasnost ovih modela u poređenju sa tradicionalnim metodama prognoziranja. Sa sve većom integracijom obnovljivih izvora energije i rastućom kompleksnošću tržišta električne energije, precizno predviđanje cijena postalo je ključno za učesnike na tržištu, operatere mreža i donosioce odluka. Istraživanje je strukturirano kroz četiri studije slučaja, od kojih svaka koristi različite tehnike dubokog učenja, poput vještačkih neuronskih mreža (ANN), LSTM (Long Short-Term Memory), konvolutivnih neuronskih mreža (CNN), i hibridnih modela kao što je CNN-LSTM. Uprkos obećavajućim rezultatima, istraživanje prepoznaje ograničenja vezana za kvalitet podataka, složenost modela i zahtjeve za računarskim resursima. U radu se naglašava potreba za daljim istraživanjima u cilju optimizacije efikasnosti modela, integracije raznovrsnijih izvora podataka i širenja primjene ovih modela na različita energetska tržišta.

Ms Zoja Scekic defended her MSc thesis on Deep leaning applications in energy sector
This MSc thesis was done in the context of HPC4S3ME with support from EUROCC NCC Montenegro
Posted on

Predstojeće predavanje: “Upravljanje rizicima u budućoj široko rasprostranjenoj elektrifikaciji”

Globalni prelazak ka široko rasprostranjenoj elektrifikaciji donosi velike mogućnosti, ali istovremeno uvodi kompleksne rizike koji zahtijevaju našu hitnu pažnju. Pridružite nam se na inspirativnom predavanju koje će održati prof. Mladen Kezunovic, vodeći stručnjak u oblasti elektroenergetike i analitike podataka, koji će se osvrnuti na izazove i rizike koje donosi evolucija elektroenergetske mreže.

Prof. Kezunovic će predstaviti motivaciju iza velikih procesa elektrifikacije, uz poseban fokus na specifične ranjivosti koje proizlaze iz međuzavisnosti kritične infrastrukture. Predavanje će obuhvatiti rizike kao što su uticaji na životnu sredinu, zastarjela infrastruktura, porast distribuiranih izvora energije, izazovi digitalizacije i faktori povezani s ljudskim ponašanjem. Takođe će biti predstavljena inovativna rješenja zasnovana na mašinskom učenju i vještačkoj inteligenciji za predviđanje i ublažavanje tih rizika, nudeći uvid u budućnost dizajna otpornih elektroenergetskih mreža.

Invited lecture from distinguished professor from Texas A&M

Prisutni će imati priliku da se upoznaju sa značajnim studijama slučaja o stanju predikcije rizika za ispade u mreži, koje ilustruju prelazak ka konceptu kontrole i zaštite zasnovanom na analizi rizika. U diskusiji će biti predstavljeni i sveobuhvatni pristupi koji obuhvataju upravljanje IT sistemima, analitiku velikih podataka, interoperabilnost i računare visokih performansi, naglašavajući neophodnost ovih alata za razvoj naprednih AI rješenja u energetici.

Ovo predavanje se organizuje uz podršku EUROCC NCC Crna Gora i projekta HPC4S3ME.

O predavaču: Dr. Mladen Kezunovic je University Distinguished Professor na Texas A&M University, sa preko 35 godina iskustva u elektroenergetici. Globalno priznat, autor je više od 600 naučnih radova i konsultant za preko 50 kompanija širom svijeta. Njegov rad u oblastima modelovanja kvarova, analitike podataka i pametnih mreža donio mu je status IEEE Life Fellow i priznanje od strane Nacionalne akademije inženjerstva SAD. Ne propustite priliku da učite od jednog od najistaknutijih svjetskih stručnjaka!

Posted on

Ažuriranje in-house HPC laboratorijske infrastrukture

Kako je i planirano, naš projekat AI-AGE unapređuje infrastrukturu za računare visokih performansi (HPC) kako bi podržao istraživanja zasnovana na vještačkoj inteligenciji (AI) u oblasti biomarkera starenja u medicinskim primjenama. Ova inicijativa će omogućiti našem timu pristup savremenim resursima i unaprijediti naše kapacitete za analizu podataka i razvoj prediktivnih modela. Da bismo odgovorili na zahtjeve složenih AI računanja, uz podršku AI-AGE projekta nadograđujemo postojeću HPC konfiguraciju moćnim računarskim čvorom. Novi dodatak uključuje rack računarski čvor opremljen sa 48 CPU jezgara, 128 GB RAM-a, NVIDIA L40 GPU (48 GB), i 2×480 GB internim SSD diskovima. Pored toga, projekat je omogućio NAS skladište kapaciteta 24 TB (više diskova sa RAID-om), namijenjeno za upravljanje datasetovima. Ova nadogradnja infrastrukture pažljivo je integrisana sa postojećom opremom, čime se značajno proširuju naši računski i skladišni kapaciteti i ostvaruje visoka vrijednost za uložena sredstva.

New computing infrastructure supported by the AI-AGE project as planned

Projekat AI-AGE, koji podržava Ministarstvo prosvjete, nauke i inovacija, realizuje se kroz saradnju Fakulteta za informacione sisteme i tehnologije Univerziteta Donja Gorica i Medicinskog fakulteta Univerziteta Crne Gore. In-house HPC infrastruktura je rezultat međuprojektske saradnje sa projektom HPC4S3ME (IPA program), a oba projekta se realizuju uz podršku EUROCC NCC Crna Gora. Glavni cilj laboratorije je da istraživačima omogući direktno iskustvo sa fizičkom opremom na raspolaganju, dok ćemo za kompleksnije zadatke podnositi aplikacije za korišćenje računarskog vremena na superračunarima EU.

Click on image to open AI-AGE project website
Proudly powered by WordPress