Novi naučni rad „Sizing HPC Opportunities in Montenegro: Market Insights, Best Practices and Use Cases“ objavljen je u naučnom časopisu Entrepreneurial Economy.
Rad ističe ključnu ulogu računara visokih performansi (HPC) u rješavanju kritičnih društvenih, naučnih i industrijskih izazova, i istražuje njegov sve veći uticaj na poslovanje kroz donošenje odluka zasnovanih na podacima, optimizaciju radnih procesa i inovativni dizajn proizvoda. Studija naglašava značaj HPC infrastrukture, Cloud servisa i primjene vještačke inteligencije u podsticanju digitalne transformacije i unapređenju konkurentnosti malih i srednjih preduzeća. Istraživanje takođe identifikuje ključne izazove u Crnoj Gori, uključujući nedostatak stručnog kadra iz oblasti HPC-a, nisku potražnju za kritičnim HPC performansama i određene izazove u vezi sa bezbjednošću podataka i intelektualnom svojinom. Uprkos tim izazovima, istraživanje tržišta je pokazalo prilike za HPC koje se odnose na visoku stopu usvajanja Cloud tehnologija, razvoj inovativnih proizvoda i povoljne poslovne izglede. Rad opisuje i aktivnosti Nacionalnog centra kompetencija za HPC Crna Gora, uspostavljenog kroz projekat EuroCC, koje se odnose na pokrenute akademske programe i obuke u oblasti HPC-a i AI, kao i uspješne industrijske saradnje, potvrđene kroz primjere iz pametne poljoprivrede, precizne vremenske prognoze i FinTech sektora.
Korišćenjem nacionalne ekspertize i međunarodnih superračunarskih resursa, NCC Crna Gora je efikasno integrisao HPC tehnologije u istraživačke i poslovne procese, podstičući tehnološke inovacije i pametan razvoj.
Predstavnici NCC Montenegro, u zajedničkom radu sa mladim istraživačima sa UDG-a, objavili su dva naučna rada na konferenciji SymOrg 2024, koju organizuje Fakultet organizacionih nauka Univerziteta u Beogradu, a koja se održala na Zlatiboru, Srbija, od 12. do 14. juna 2024. godine. Konferencija je tradicionalno osmišljena kao platforma za inovaciju znanja i empirijska istraživanja, okupljajući predstavnike naučne i stručne zajednice, a ovogodišnja tema bila je: „Otključavanje skrivenog potencijala organizacije spajanjem ljudi i digitalnog“, sa ciljem adresiranja novonastale potrebe za ravnotežom u eri vještačke inteligencije.
Image source: SymOrg 2024 website
Naučni rad „Detekcija skolioze“ autora Elvis Taruh, Enisa Trubljanin i Dejan Babić istražuje primjenu modela dubokog učenja integrisanog sa veb aplikacijom za detekciju skolioze koristeći rendgenske snimke. Koristeći skup od 198 rendgenskih snimaka sa Roboflow platforme, inicijalni rezultati modela nisu bili zadovoljavajući, pa je izvršena ručna anotacija 245 snimaka, što je značajno poboljšalo preciznost modela. Za treniranje su korišćena dva modela bazirana na YOLOv8, savremenom algoritmu za detekciju objekata. Veb aplikacija, razvijena pomoću Flask, HTML, CSS i JavaScript, pruža korisnički interfejs za analizu rezultata detekcije, dok je backend baziran na MySQL bazi podataka za upravljanje snimcima i prikaz rezultata. Mjerne metrike pokazuju da je drugi model, sa unaprijeđenim anotacijama i augmentacijom, imao bolje performanse, izbjegao overfitting i pokazao veću preciznost. Ovaj pristup doprinosi ranijoj dijagnostici skolioze i nudi skalabilno rješenje za druge medicinske izazove, omogućavajući zdravstvenim radnicima preciznije dijagnostičke alate i bolju brigu o pacijentima.
Click on image to open SymOrg 2024 proceedings
U radu „LLM konzistentna pristrasnost karaktera“, autori Igor Ćulafić i Tomo Popović istražuju potencijal velikih jezičkih modela (LLM) za imitaciju karaktera u medijima, obrazovanju i zabavi. Dok se LLM obično koriste za pretragu weba ili programiranje, ovo istraživanje se fokusira na njihovu sposobnost oponašanja specifičnih likova iz književnosti. Korišćen je dataset iz antologije Ciaphas Cain iz univerzuma Warhammer 40k, a modeli su trenirani pomoću LoRA (Low-Rank Adaptation) metode. Testirana su tri modela različitih veličina (1.1B, 7B i 10.7B parametara), a treniranje je obavljeno na NVIDIA RTX 4090 GPU. Istraživanje je pokazalo da su veći modeli (7B i 10.7B) imali bolju konzistentnost u ponašanju karaktera, iako su povremeno imali problema sa detaljima i prikazivali neočekivana ponašanja poput prekomjerne upotrebe emotikona. Najmanji model (1.1B), i pored viših LoRA Rank parametara, bio je manje efikasan i sklon greškama poput ponavljanja odgovora i bespotrebnih izlaganja. Autori zaključuju da LLM modeli mogu uspješno imitirati fikcionalne likove uz odgovarajuće podatke i treniranje, a buduća poboljšanja bi ih mogla učiniti korisnim u obrazovanju i terapiji. Modeli imaju potencijal za obogaćivanje interaktivnog iskustva u tematskim parkovima, video igrama i edukativnim alatima. Ipak, autori upozoravaju da se ovi modeli ne koriste kao zamjena za terapeute zbog njihovih ograničenja i mogućih netačnosti.
Click on image to open SymOrg 2024 proceedings
Oba naučna rada su djelimično podržana kroz EuroCC2 projekat, koji finansira Zajedničko preduzeće za evropsko visokoperformantno računarstvo (EuroHPC JU) u okviru ugovora o grantu br. 101101903.
Timovi FoodHub-a i NCC Crna Gora učestvovali su na konferenciji “International Conference: Global Commodity Chains from a Risk Assessment Perspective” održanoj u Berlinu, u organizaciji njemačkog Saveznog instituta za procjenu rizika (BfR). Konferencija je okupila domaće i međunarodne stručnjake iz oblasti lanaca ishrane ljudi i životinja, digitalizacije i zaštite zdravlja potrošača. Bila je to izvanredna platforma za razmjenu znanja o inovativnim tehnikama i digitalnim rješenjima za procjenu rizika u globalnim lancima snabdijevanja.
Fokus je bio na integraciji podataka i uvida o opasnostima, izloženosti i tehnologijama s ciljem unapređenja procjene rizika duž lanaca snabdijevanja hranom i stočnom hranom.
Ponosno smo predstavili dva apstrakta u okviru sesije postera i softverskih rješenja, kao dio projekta FoodDecide:
Andrea Milačić, Amil Orahovac, Luka Filipović, „Optimizacija lanca snabdijevanja mlijekom u Crnoj Gori: pristup zasnovan na vizualizaciji podataka”
Luka Filipović, Andrea Milačić, Amil Orahovac, Aleksandra Martinović, „HoneyChain: unapređenje sistema za nadzor proizvodnje meda”
Naučni rad pod nazivom „Manipulacija izlaza putem LoRA za generativnu vještačku inteligenciju“, autora I. Čulafić i saradnici, predstavljen je na 23. Međunarodnom simpozijumu INFOTEH-JAHORINA, koji je održan u periodu od 20. do 22. marta 2024. godine. Trening modela za predikciju trajao je oko šest sati na NVIDIA RTX 4090 GPU sa 24GB VRAM memorije. Ovo istraživanje poslužiće kao osnova za buduće eksperimente na HPC resursima. Rad je objavljen u IEEE Xplore bazi i dostupan je na linku: https://ieeexplore.ieee.org/document/10495995
APSTRAKT – Generativna vještačka inteligencija je posljednjih godina doživjela nagli porast popularnosti, obilježen pojavom revolucionarnih modela kao što su DALL-E 2, Midjourney i Stable Diffusion, koji su predvodili napredak u ovoj tehnološkoj oblasti. Cilj ovog istraživanja je korišćenje potencijala Stable Diffusion modela i njegovih ekstenzija u svrhu treniranja LoRA (Low-Rank Adaptation) modela za generisanje slika koje vjerno odražavaju originalne motive, koristeći unaprijed određeni broj primjera iz skupa podataka. Primarni cilj istraživanja je prikaz mogućnosti Stable Diffusion i generativne AI tehnologije u širem kontekstu, istraživanje mogućnosti koje nude open-source okviri, isticanje izazova povezanih sa loše organizovanim skupovima podataka za obuku, kao i prednosti kvalitetno organizovanih i obrađenih podataka. U radu je sprovedena komparativna analiza različitih diffusion modela i različitih jačina LoRA parametara. Istraživanje takođe ima za cilj da uporedi rezultate dobijene treniranjem sa većim brojem parametara na malim i relativno velikim skupovima podataka, kako bi se utvrdilo da li je pretreniranje i overfitting izraženije kod manjih ili većih datasetova.
U periodu od 21. do 24. februara u Žabljaku će se tradicionalno održati međunarodna naučno-stručna konferencija „INFORMACIONE TEHNOLOGIJE 2024“. Ova naučno-stručna konferencija se održava već 28 godina zaredom, sa ciljem sveobuhvatnog i multidisciplinarnog sagledavanja aktuelnih i razvojnih trendova u oblasti informacionih i komunikacionih tehnologija.
Konferencija se održava u organizaciji Univerziteta Crne Gore – Elektrotehnički fakultet, Univerziteta Donja Gorica – Fakultet za informacione sisteme i tehnologije, IT društva Crne Gore, Univerziteta u Beogradu – Fakultet organizacionih nauka, Instituta inženjera elektrotehnike i elektronike – IEEE asocijacije i IEEE sekcije za Srbiju i Crnu Goru, uz punu podršku kompanije Čikom iz Podgorice.
Click to watch the video announcement (in Montenegrin)
Konferencija će obuhvatiti predavanja i okrugle stolove o razvojnim trendovima u oblasti informacionih i komunikacionih tehnologija, kao i o aktuelnim problemima u ovoj oblasti u Crnoj Gori. U dogovoru sa Organizacionim odborom Konferencije, zainteresovane institucije su pozvane da organizuju prezentacije svojih naučnih, istraživačkih, stručnih, razvojnih i proizvodnih projekata i dostignuća. Pored navedenog, na Konferenciji će biti predstavljeni i radovi koji su prijavljeni i recenzirani.
Pozivamo sve zainteresovane da aktivnosti na Konferenciji prate i online, putem linkova za video konferenciju dostupnih na zvaničnom sajtu Konferencije.
Naučni rad o prognoziranju meningitisa pomoću mašinskog učenja, koji su napisali B. Dobaradžić, A. Alibasić, N. Milošević, B. Mališić i M. Vukotić, upravo je objavljen u Zborniku radova Mediteranske konferencije o medicinskom i biološkom inženjeringu i računarstvu (MEDICON) i Međunarodne konferencije o medicinskom i biološkom inženjeringu (CMBEBIH), održane od 14. do 16. septembra 2023. godine u Sarajevu, Bosna i Hercegovina — Tom 1: Imidžing, inženjering i vještačka inteligencija u zdravstvu, na sljedećem link.
Apstrakt – Meningitis je po život opasna bolest koja može dovesti do teških neuroloških oštećenja i smrti ako se ne dijagnostikuje i ne liječi na vrijeme. U ovoj studiji istražuje se primjena metoda mašinskog učenja za kreiranje prediktivnog modela za dijagnozu meningitisa na osnovu kliničkih znakova, krvi, proteina i drugih zdravstvenih parametara. Naš cilj je da utvrdimo najpouzdaniji i najtačniji metod za predikciju meningitisa. Analiziramo veliki skup podataka pacijenata oboljelih od meningitisa koristeći savremene klasifikacione tehnike, poput mašina sa potporom (SVM) i algoritma nasumične šume (Random Forest). Rezultati su pokazali da tehnike mašinskog učenja mogu tačno procijeniti rizik od meningitisa kod pacijenta. Značaj karakteristika za dijagnozu meningitisa se određuje njihovom evaluacijom, a takođe se upoređuje efikasnost različitih modela.
