Publikacije Arhiva - Page 3 of 7

22.12.2025.29.12.2025.

EuroCC4SEE Forum o biznis inovacijama na bazi HPCi AI i konceptualne demonstracije

Kratki video sa foruma

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 Montenegro

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 demonstracije

PoC (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.

26.10.2025.24.11.2025.

Magistarski rad o učenju međujezičkog transfera u velikim jezičkim modelima

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.

25.10.2025.18.11.2025.

Master teza: Primjena objašnjive vještačke inteligencije u medicini

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.

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.

18.08.2025.18.08.2025.

Konferencijski rad: Generisanje slika u realnom vremenu na ARM edge uređajima

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.

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.

29.06.2025.29.06.2025.

Odbrana master rada: Razvoj Edge/AI aplikacija uz podršku HPC-a

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.

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.

29.06.2025.29.06.2025.

Odbrana master rada: AI tutor uz primjenu LLM modela i HPC tehnologija

Kandidat Arnad Lekić uspješno je odbranio master rad pod nazivom “Razvoj AI tutora koristeći velike jezičke modele i HPC” na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica. I ova teza je urađena u kontekstu i uz podršku EuroCC2 i EuroCC4SEE projekata.

APSTRAKT – Ovaj rad se bavi razvojem personalizovanog AI tutora korišćenjem velikih jezičkih modela (LLM), sa posebnim fokusom na LLaMA arhitekturu i primjenu High-Performance Computing (HPC) resursa. U okviru istraživanja, realizovan je proces preuzimanja, postavljanja i evaluacije otvorenog LLaMA modela, sa ciljem da se razvije sistem sposoban za automatsko ocjenjivanje testova. Poseban akcenat je stavljen na efikasnost i mogućnosti treniranja modela u lokalnim uslovima koristeći dostupne računarske nodove, uz poređenje sa cloud rješenjima poput Google Colab-a. Pored tehničke realizacije, razmatrani su i etički izazovi primjene generativne AI u obrazovanju. Kroz eksperimentalnu analizu pokazano je da se otvoreni modeli mogu prilagoditi i koristiti za obrazovne svrhe, uz mogućnost proširenja na ocjenjivanje različitih tipova ispita i generisanje edukativnih sadržaja. Rad daje smjernice za budući razvoj sistema koji bi koristio naprednije multimodalne modele za složenije zadatke.

Odbrani je prisustvovalo preko 30 ljudi. Tog dana smo imali tri kandidata, svi u okviru EuroCC2 i EuroCC4SEE.

29.06.2025.29.06.2025.

Odbrana master rada: HPC i vještačka inteligencija u unapređenju obrazovanja

Kandidatkinja Enisa Trubljanin uspješno je odbranila master rad pod nazivom „Duboko učenje sa primjenom u edukaciji“ na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica. Razvoj i testiranje ovih rješenja realizovani su uz podršku resursa HPC resursa dostupnih kroz EuroCC inicijativu u Crnoj Gori i na univerzitetu.

APSTRAKT – Ovom magistarskom tezom istražuje se mogućnost primjene dubokog učenja u obrazovanju, kroz razvoj i evaluaciju dvije konkretne aplikacije: inteligentnog chatbot-a za rješavanje problema matrica i modela za detekciju varanja tokom online ispita putem analize pokreta očiju. Prvi dio rada obuhvata teorijsku osnovu dubokog učenja, sa fokusom na neuronske mreže, njihove arhitekture, transfer učenje i evaluacione metrike. U praktičnom dijelu, prikazan je razvoj chatbot-a baziranog na naprednim jezičkim i matematičkim modelima, implementiranog pomoću resursa klastera super računara, čime se studentima omogućava interaktivno učenje matematike. Takođe, razvijen je model za prepoznavanje varanja pomoću analize pokreta pogleda, treniran na Columbia Gaze Dataset-u i integrisan u sistem za nadzor online ispita. Rezultati evaluacije pokazuju visok stepen tačnosti i korisničkog zadovoljstva kod oba rješenja. Pored tehničkog dijela, rad se bavi i osvrtom na privatnost i etička pitanja u primjeni vještačke inteligencije u obrazovanju. Na osnovu postignutih rezultata, ukazuje se na širok spektar potencijalnih primjena dubokog učenja u modernim obrazovnim sistemima.