Sa zadovoljstvom objavljujemo da je istraživački tim sa Prirodno-matematičkog fakulteta objavio naučni rad pod nazivom „Data augmentation for fuselage panel inspection via 3D point cloud segmentation“ u časopisu Journal of Electronic Imaging. Rad predstavlja napredne metode proširenja podataka za poboljšanje inspekcije panela trupa korištenjem 3D segmentacije oblaka tačaka, doprinoseći preciznijim i pouzdanijim sistemima inspekcije zasnovanim na vještačkoj inteligenciji. Istraživanje je omogućeno pristupom superračunarskim resursima Leonardo HPC, odobrenim kroz projekat EuroCC2, što je timu omogućilo da obrađuje velike skupove podataka i efikasno razvija modele visokih performansi. Više informacija na: https://doi.org/10.1117/1.JEI.35.3.031202
Sa ponosom ističemo PAID MNE, kao jednu od istaknutih uspješnih priča u EuroCC2 i EuroCC4SEE Booklet-u, koja pokazuje kako HPC transformiše finansijsku analitiku i algoritamsko trgovanje.
EuroCC2 i EuroCC4SEE Booklet
U središtu inovacija PAID MNE nalazi se PAID-T (Price Action Intelligent Detection Trading) — pametna platforma koja koristi napredne algoritme i AI/ML tehnologije kako bi se dinamički prilagođavala kretanjima na tržištu, optimizovala investicione strategije i upravljala rizikom sa većom preciznošću. Tradicionalni računarski sistemi brzo su dostigli svoja ograničenja. Kako bi obezbijedili potrebne performanse, tim je skalirao rješenje na LUMI supercomputer, jednu od najmoćnijih HPC infrastruktura u Evropi. Omogućavanjem multinodnog izvršavanja i raspodjele zadataka u realnom vremenu, PAID MNE je realizovao preko 1,2 miliona simulacija za manje od pet sati — proces koji je ranije trajao danima. Ovo ubrzanje sada omogućava obradu milijarde istorijskih transakcija u svega nekoliko sati, brzo prepoznavanje ključnih tržišnih obrazaca i optimizaciju startegija berzanskog trgovanja.
Paid-T
Ovo dostignuće, predstavljeno uz podršku EuroCC2/EuroCC4SEE projekta, jasno pokazuje kako superračunarstvo postaje snažan pokretač poslovnih inovacija. Razvojni put PAID-T inovativnog rješenja je jasan primjer kako HPC i AI zajedno mogu transformisati složene i kritične podatke u brže i profitabilnije odluke.
NCC Montenegro je 13–14. decembra bio domaćin EuroCC4SEE Foruma posvećenog inovacijama u poslovanju uz podršku superračunarstva (HPC) i vještačke inteligencije (AI). Događaj je okupio predstavnike akademske zajednice, privrede, javnog sektora i startap ekosistema s ciljem jačanja nacionalnih kapaciteta i podsticanja digitalne transformacije Crne Gore.
Uvodno obraćanje prof. Boža Krstajića ispred NCC MontenegroDruženbje i umrežavanje tokom pauza
Tokom dvodnevnog programa predstavljeni su primjeri primjene HPC i AI tehnologija kroz Proof-of-Concept demonstracije u oblastima energetike, poljoprivrede, zdravstva i mobilnosti, kao i diskusije o inovacionim politikama, MLOps pristupima, razvoju vještina i saradnji između biznisa i akademije.
Diskusije su bile fokusirane na inovacije na bazi AI i HPC i PoC demonstracijePoC (proof-of-concept) prezentacije su bile bazirane na kolaboraciji akademije i industije
Forum je dodatno istakao značaj regionalne i evropske saradnje, mogućnosti finansiranja iz EU programa i buduće aktivnosti u okviru EuroCC4SEE mreže, doprinoseći jačanju pozicije Crne Gore u regionalnom HPC/AI ekosistemu. Zbornik radova sa kratkom elaboracijom svih obrađenih tema biće dostupan na sajtu projekta.
G. Igor Ćulafić uspješno je odbranio svoj magistarski rad pod nazivom „Učenje međujezičkog transfera u velikim jezičkim modelima: Zakoni skaliranja i parametarski efikasno fino podešavanje za višejezične aplikacije“. Njegovo istraživanje pruža sveobuhvatnu studiju međujezičkog transfera za crnogorski jezik, kombinujući prilagođeni poluautomatski skener knjiga u obliku slova V, YOLOv11 + Tesseract OCR cjevovod i kreiranje 46.661 paralelnih parova paragrafa. Korištenjem LoRA finog podešavanja na Qwen2.5-7B i Qwen3-30B – izvršenog na superračunaru Leonardo EuroHPC – rad demonstrira parametarski efikasnu adaptaciju (samo 1,05% parametara koji se mogu obučavati) i nudi uvid u ponašanje modela u kulturnom razumijevanju, miješanju pisama i analitičkom zaključivanju. Ovo istraživanje je podržao tim NCC Montenegro i koristilo je računarske resurse HPC klastera i EuroHPC JU.
V-shaped book scanner prototype used to create datasets
SAŽETAK – Ovaj rad predstavlja sveobuhvatno istraživanje međujezičkog transfernog učenja u velikim jezičkim modelima sa fokusom na parametarski efikasno fino podešavanje za crnogorski jezik. Istraživanje integriše razvoj prilagođenog polu-automatizovanog skenera knjiga sa V-oblik dizajnom i tok obrade kompjuterske vizije koji koristi YOLO v11 modele i Tesseract OCR za digitalizaciju 5000 knjiga na crnogorskom i 40000 knjiga na engleskom jeziku, iz javnog domena, rezultujući sa 46661 paralelnih paragrafskih parova. Implementacija LoRA finog podešavanja na Qwen2.5-7B i Qwen3-30B modelima sprovedena je na Leonardo HPC superračunaru, postižući memorijsku efikasnost sa samo 1.05% trainable parametara. Komparativna analiza kroz strukturirani benchmark od deset progresivno složenijih pitanja otkriva ograničene ali pozitivne efekte finog podešavanja, pri čemu veći modeli pokazuju bolje performanse u razumijevanju opšteg znanja i analitičkim zadacima, dok sistemska analiza identifikuje specifične probleme poput miješanja pisma i kulturnih nepreciznosti koji zahtijevaju specijalizovane pristupe.
Gospođa Ivana Lalatović uspješno je odbranila svoj magistarski rad pod nazivom „Primjena objašnjive vještačke inteligencije u medicini“ na Fakultetu informacionih sistema i tehnologija Univerziteta Donja Gorica.
Odbrana je održana u oktobru 2025. godine, a teza je istraživala kako moderne XAI tehnike – poput SHAP-a i LIME-a – mogu poboljšati transparentnost i povjerenje u AI modele koji se koriste za analizu performansi i pouzdanosti medicinskih respiratora. Razvoj, obuka i testiranje radnih procesa mašinskog učenja i XAI-a podržani su resursima računarstva visokih performansi (HPC) obezbijeđenim kroz EuroCC inicijativu u Crnoj Gori, omogućavajući skalabilnu obradu podataka, brže eksperimentisanje i reproducibilnu analizu potrebnu za medicinske AI primjene. Njen rad pokazuje kako objašnjivost omogućena HPC-om može ojačati sigurnost, pouzdanost i etičku upotrebu AI u zdravstvenim okruženjima, doprinoseći rastućem ekosistemu naprednih istraživanja AI koje podržava NCC Crna Gora.
Korištenje SHAP-a
ABSTRAKT – The need for explainable intelligent systems is growing along with the increase in artificial intelligence products used in everyday life. Explainable artificial intelligence (XAI) has experienced significant growth in the last few years. The reason for this is the wide application of machine learning, as well as deep learning techniques, which have led to the development of highly accurate models. However, they lack explainability and interpretability. This study explores the application of XAI methods in medical applications, with a particular focus on interpreting model decisions. SHAP and LIME methods were applied to interpret the model’s predictions, enabling the identification of key features that have the greatest influence on the model’s decisions. The results of this research confirm the importance of explainable artificial intelligence in critical domains such as medicine, where trust in AI systems must be based on understanding and verifiability of their decisions.
Istraživači sa Univerziteta Donja Gorica (UDG) predstavili su svoje najnovije rezultate na 2025 IEEE International Symposium on Applied Sciences (ISAS). Rad pod naslovom „Real-time Image Generation Utilizing ARM SBC Architecture“ sada je objavljen u IEEE i dostupan na [link]-u.
Klikni na sliku da se otvori rad
Autori Igor Ćulafić, Tomo Popović, Ivan Jovović i Stevan Ćakić istražuju mogućnosti primjene naprednih generativnih AI modela na ARM edge uređajima, konkretno na platformi NVIDIA Jetson Orin Nano. Dok je generisanje slika u realnom vremenu pomoću modela poput Stable Diffusion do sada zahtijevalo snažne desktop GPU-ove ili HPC klastere, ovo istraživanje pokazuje da se uz pažljivu CUDA optimizaciju, prilagođavanje ARM arhitekturi i dinamičko upravljanje resursima može postići performansa od 2–6 FPS pri rezoluciji 512×512 direktno na niskoenergetskim edge uređajima.
Rad se bavi izazovima vezanim za termalno upravljanje, ograničenja memorije i softversku kompatibilnost, predlažući ARM-optimizovano Docker okruženje i adaptivno balansiranje opterećenja. Rezultati pokazuju kako decentralizovani, energetski efikasni edge sistemi mogu dopuniti HPC ekosisteme, otvarajući nove mogućnosti u oblastima kao što su zdravstvo, automobilska industrija i pametni gradovi.
Ova publikacija takođe odražava misiju NCC Montenegro da podrži akademsku zajednicu i mlade istraživače u razvoju znanja iz oblasti vještačke inteligencije i visokoperformansnog računarstva (HPC). Kroz ekspertizu, resurse i saradnju, NCC Montenegro doprinosi jačoj integraciji domaćeg istraživačkog rada u evropski HPC ekosistem.
Kandidat Elvis Taruh uspješno je odbranio master rad pod nazivom “Razvoj Edge/AI aplikacija uz podršku HPC-a” na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica.
Kandidat Elvis Taruh
APSTRAKT – Efikasnost treniranja modela vještačke inteligencije (AI) postaje glavni faktor u savremenim istraživanjima, naročito kada su u pitanju kompleksni sistemi koji zahtijevaju veliku računarsku snagu. Ovaj rad istražuje kako primjena računarstva visokih performansi (HPC) i Edge uređaja može optimizovati proces treniranja AI modela, smanjujući vrijeme obrade i poboljšavajući efikasnost. Kroz eksperimentali pristup, analizirano je treniranje AI modela na tri različite platforme. Lokalni računar, Google Colab i HPC klaster na Univerzitetu Donja Gorica. Kao praktičan primjer, korišćena je detekcija stoke. Poređenjem vremena treniranja, potrošnje memorije i preciznosti modela, istraživanje pokazuje kako HPC klasteri značajno ubrzavaju proces obuke u odnosu na klasične metode, dok edge uređaji omogućavaju bržu analizu podataka u realnom vremenu.
Prisustvovalo je oko 30 ljudi. Ovo je bila mala proslava za projekte EuroCC2 i EuroCC4SEE.
