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.
Wyniki realizacji projektu są skierowane do naukowców prowadzących badania z zakresu fizyki, chemii i innych dziedzinach wymagających analizy i przetwarzania dużych zbiorów danych.
Koordynator:
Partnerzy:
- Uniwersytet Mikołaja Kopernika w Toruniu,
- Politechnika Wrocławska,
- Instytut Chemii Bioorganicznej PAN,
- Poznańskie Centrum Superkomputerowo – Sieciowe.
Instytucja Finansująca: Unia Europejska w ramach działania 2.4 w programie Fundusze Europejskie dla Nowoczesnej Gospodarki nr FENG.02.04-IP.04-0019/24.
Kwota dofinansowania: 69 709 425,54 zł.
