Kategória: Success-Stories

Výzva

Moderné továrne a stovky kilometrov potrubí, ktoré križujú našu krajinu, sú doslova prešpikované senzormi. Tie nepretržite chrlia tisíce údajov o tlaku, teplote či vibráciách. Problémom je, že týchto informácií je také obrovské množstvo a sú také zložité, že ich bežné počítače nedokážu efektívne spracovať. Často sa tak stáva, že dôležité varovné signály o blížiacej sa poruche zostanú nepovšimnuté, až kým nie je neskoro.

Riešenie

Tím odborníkov z Fakulty prírodných vied a informatiky UKF v Nitre sa rozhodol tento problém vyriešiť pomocou umelej inteligencie (AI).Ich cieľom bolo vytvoriť inteligentné modely, ktoré fungujú ako skúsený revízny technik,  až na to, že dokážu sledovať tisíce parametrov naraz a v reálnom čase.

Aby tento „digitálny mozog“ vytrénovali, potrebovali obrovský výkon. Ten našli v superpočítači LUMI, jednom z najvýkonnejších systémov na svete. Na tomto digitálnom obrovi testovali tisíce rôznych scenárov a kombinácií, aby našli ten najpresnejší spôsob, ako odhaliť aj ten najmenší únik v potrubí.

Prínos

Využitie superpočítača prinieslo výsledky, ktoré by boli na bežnom kancelárskom PC nedosiahnuteľné:

• Neuveriteľná rýchlosť: To, čo by bežnému počítaču trvalo celé mesiace až roky, zvládol superpočítač vďaka svojej „surovej sile“ za pár týždňov.
• Presnosť nadovšetko: Vedci mieria na viac ako 92-percentnú úspešnosť pri odhaľovaní porúch priamo v teréne, čím chcú prekonať aj tradičné fyzikálne výpočty.
• Záchranná sieť pre prírodu: Včasná detekcia úniku ropy či iných látok znamená, že sa k havárii dostanú technici skôr, než stihne kontaminovať pôdu alebo vodu.
• Slovenské riešenie pre Európu: Vyvinuté postupy už teraz pomáhajú súkromným firmám a iným vedcom v strednej Európe pri modernizácii ich prevádzok.

Pohľad do budúcna

Týmto úspechom sa práca nekončí. Nitriansky tím plánuje svoje modely ďalej zdokonaľovať a nasadiť ich do ostrej prevádzky vo forme inteligentných aplikácií. Tie budú v budúcnosti strážiť nielen priemyselné potrubia, ale aj efektivitu výroby, aby bola zelenšia, bezpečnejšia a konkurencieschopnejšia.

Najväčším prínosom pre vedcov bola obrovská sila systému, vďaka ktorej nenarazili na žiadne limity. Spolu s rýchlou technickou podporou sa mohli naplno sústrediť na to podstatné – ako urobiť priemysel inteligentnejším.

Výzva

Keď milióny ľudí hrajú mobilné hry, vzniká dátový chaos. Väčšina hráčov len tak „blúdi“ svetom, ale len malé percento urobí niečo dôležité, napríklad si kúpi vylepšenie alebo hru nahnevane vypne. Pre bežné počítače je hľadanie týchto kľúčových momentov v mori nudy neriešiteľný problém, pretože dôležité udalosti sú v obrovskom datasete zastúpené len minimálne. Je to ako snažiť sa nájsť jednu konkrétnu tvár v rozmazanom dave na štadióne bez poriadneho ďalekohľadu.

Riešenie

Nitriansky tím si na pomoc zavolal superpočítač Leonardo. Ten disponuje tisíckami grafických kariet, ktoré dokážu „premýšľať“ násobne rýchlejšie než bežný notebook. Vedci pracovali s rozsiahlym organickým balíkom dát o veľkosti 9 GB a využili pokročilé technológie, ktoré fungujú ako simulátory správania.

Vďaka tejto sile mohli odborníci na hry zapracovávať spätnú väzbu od expertov takmer okamžite. Namiesto toho, aby sa vedci týždne trápili s analýzou a hľadaním správnych skupín hráčov, superpočítač im dával presné odpovede v priebehu pár dní.

Prínos

Využitie superpočítačovej infraštruktúry prinieslo výsledky, ktoré pomôžu nielen hráčom, ale aj celému digitálnemu priemyslu:

• Koniec hádaniu: Vedci vyvinuli presný metodický postup, ako si poradiť s extrémne nevyváženými dátami, čo je využiteľné aj pri odhaľovaní podvodov v bankách či v medicíne.
• Hry, ktoré vám rozumejú: Vznikol prototyp modelu, ktorý dokáže odhadnúť potreby hráča už v ranných štádiách hry, takže zážitok môže byť ušitý na mieru.
• Rýchlosť, ktorá mení pravidlá: To, čo by predtým trvalo týždne, zvládli Slováci vďaka HPC za pár dní.
• Univerzálny návod: Hoci sa výskum robil na konkrétnej hre, vytvorený postup je „hackom“, ktorý môže použiť akýkoľvek programátor na svete pre akúkoľvek hernú platformu.

Pohľad do budúcna

Získané poznatky tím z Fakulty prírodných vied UKF v Nitre teraz plánuje overiť v reálnej prevádzke. Slováci tak potvrdili, že slovensky výskum vie byť svetový, ak má k dispozícii tie správne nástroje na prekonávanie digitálnych bariér.

Výzva: Milióny mikrolokalít v digitálnom svete

Plánovať mesto podľa potrieb ľudí znamená rozumieť priestoru. Koncept „15-minútového mesta“ hovorí, že všetko dôležité by sme mali mať dostupné pešo. Aby však umelá inteligencia (AI) dokázala mestu poradiť, musí najprv spracovať obrovské množstvo dát o každej ulici, chodníku a existujúcej službe.

Slovenský tím pracoval s dátami v rozsahu stoviek gigabajtov, ktoré zahŕňali mapové podklady z OpenStreetMap, digitálne mapy reliéfu a databázy s tisíckami objektov občianskej vybavenosti. Výzvou bolo premeniť tieto dáta na zložité matematické matice peších vzdialeností. 

“V úvodnej fáze projektu sme potrebovali v rýchlych iteráciách vychytať slabé miesta nášho procesu a rýchlo sa dostať k výsledkom, pochopiť ich a znova prenastaviť vstupné parametre. Už v tomto štádiu sme potrebovali spracovať značné množstva dát, v ktorých mohla neurónová sieť nájsť signifikantné vzorce. Bežnému počítaču by to trvalo týždne. Bez extrémneho výkonu by nebolo možné dosiahnuť prvé zmysluplné výsledky v tak krátkom čase” uvádza vedúci výskumného týmu NextUseAI Róbert Pollák. 

Riešenie: Sila superpočítača MeluXina

Zlom nastal vďaka prístupu k európskemu superpočítaču MeluXina v Luxembursku, konkrétne k jeho časti určenej pre umelú inteligenciu (AI Factory). Slovenskí experti tu dostali k dispozícii výkonné grafické akcelerátory, ktoré dokážu spracovať tisíce operácií naraz.

V tomto prostredí tím vybudoval a otestoval pokročilé neurónové siete. Tie sa „učili“ rozpoznávať vzťahy medzi budovami, službami a ich okolím v rôznych mestých. “Superpočítač nám umožnil experimentovať s rôznymi nastaveniami a rýchlo opravovať chyby, čo by v bežných podmienkach nebolo možné. Vďaka tomu sme dokázali v krátkom čase vygenerovať spôsob tvorby priestorových odporúčaní pre dve najväčšie slovenské mestá – Bratislavu a Košice a to tak, že modely sa môžu učiť z priestorového usporiadania jedného alebo viacerých miest a dávať odporúčania pre iné mesto.” dopĺňa Timotej Kendereš, dátový analytik CIKE zodpovedný za prácu so superpočítačom MeluXina.

Výsledky: Dáta v službách ľudí

Výsledkom nie je len suchá tabuľka čísel. AI model má za cieľ navrhnúť mestským plánovačom a stratégom konkrétne funkcie pre nevyužité v meste tak, aby sa zlepšila občianska vybavenosť a pešia dostupnosť v susedstvách. NextUseAI bude následne vyhodnocovať priestorové odporúčania v kontexte potrieb obyvateľov a stratégií mesta spolu s dôvodovou správou. 

Hoci sú výsledky nateraz v experimentálnej fáze a slúžia na kalibráciu celého systému, ukázali dôležitú vec: umelá inteligencia dokáže vidieť súvislosti, ktoré môžu človeku uniknúť. Systém napríklad dokáže identifikovať „hluché miesta“ v meste, kde chýba konkrétna služba, a navrhnúť jej umiestnenie do nevyužívanej budovy v blízkosti.

Dopad a potenciál do budúcnosti

Next Use AI nekončí v laboratóriu. Ambíciou je vytvoriť praktický nástroj, ktorý pomôže vedeniu miest robiť rozhodnutia podložené dátami, nie intuíciou.

Pre obyvateľov to v budúcnosti znamená:

• Efektívnejšia samospráva: Verejné peniaze budú investované do budov s jasným účelom a prínosom.
• Menej času v aute: Služby budú tam, kde ľudia skutočne žijú.
• Krajšie prostredie: Opustené budovy dostanú novú šancu a nebudú chátrať.

Využitie európskych superpočítačov tak prináša slovenskému urbanizmu technologický skok. Ukazuje, že AI nemusí byť len abstraktným pojmom, ale užitočným susedom, ktorý nám pomôže budovať mestá, v ktorých sa nám bude žiť lepšie a zdravšie.

Výskum realizoval medzinárodný tím odborníkov na umelú inteligenciu a priemyselnú analytiku z akademického a súkromného sektora. Na projekte sa podieľala spoločnosť Prounion a.s. v spolupráci s Univerzitou Konštantína Filozofa v Nitre a ďalšími akademickými partnermi z Českej republiky a Maďarska.

Výzva

Moderné výrobné linky generujú obrovské množstvo dát – od stavov strojov, cez rýchlosti a teploty, až po počty vyrobených kusov. Napriek tomu sa kľúčové operatívne rozhodnutia často robia na základe skúseností a intuície.

Výskumníci sa zamerali na reálnu výrobnú linku na plnené cestovinové výrobky, kde produkt prechádza pevne danou sekvenciou strojov – od prípravy surovín, cez tvarovanie a plnenie, až po tepelné spracovanie a balenie. Identifikovali dve rozhodnutia, ktoré majú zásadný dopad na efektivitu výroby:

• Včasné varovanie: Je možné predpovedať, že baliaci stroj sa v priebehu nasledujúcich 10 minút zastaví?
• Plánovanie v rámci zmeny: Dá sa počas pracovného dňa spoľahlivo určiť, či sa ešte bude baliť neskôr v ten istý deň?

Odpoveď si vyžadovala prácu s veľkým objemom časových dát a zároveň dôsledné dodržanie reality výrobného prostredia – modely pracovali iba s údajmi, ktoré sú v danom momente skutočne k dispozícii operátorovi alebo vedúcemu zmeny.

Riešenie

Výskumný tím najprv zjednotil dáta zo všetkých strojov do jednej časovej osi a spracoval ich tak, aby presne odrážali skutočný chod výrobnej linky. Následne vytvoril modely strojového učenia, ktoré pracovali výhradne s informáciami dostupnými v danom okamihu – presne tak, ako by ich mal k dispozícii operátor alebo vedúci zmeny.

Kľúčovým momentom projektu bol prístup k výpočtovému výkonu. NSCC Slovakia sprostredkovalo výskumnému tímu prístup k európskej superpočítačovej infraštruktúre EuroHPC, konkrétne k superpočítaču Karolina v Českej republike. Vďaka tomu bolo možné rýchlo experimentovať s rôznymi modelmi, testovať ich na reálnych výrobných dňoch a overovať ich správanie v podmienkach blízkych praxi.

Superpočítač sa tak nestal len technickým nástrojom, ale dôležitým kľúčovým prvkom inovácií – umožnil posunúť analytiku z teórie do reálne použiteľných rozhodnutí.

Výsledky

Model zameraný na včasné varovanie pred zastavením baliaceho stroja dosiahol veľmi vysokú presnosť. Dokázal spoľahlivo identifikovať situácie, keď hrozilo zastavenie v priebehu nasledujúcich 10 minút, pričom počet falošných poplachov bol minimálny. To znamená, že upozornenia sú dôveryhodné a nezahlcujú obsluhu zbytočnými alarmami.

Druhý model, určený na plánovanie v rámci zmeny, dokázal s vysokou úspešnosťou určiť, či sa ešte v ten istý deň bude baliť. Manažéri tak získali praktický podklad pre rozhodovanie o personálnom obsadení, plánovaní práce a efektívnom využití času.

Oba prístupy majú spoločný menovateľ: nepredpovedajú abstraktné čísla, ale odpovedajú na konkrétne otázky, ktoré si výroba kladie každý deň.

Dopad a potenciál do budúcnosti

Táto success story ukazuje, že umelá inteligencia v priemysle nemusí byť futuristickým experimentom. Ak sa analytika zameria na reálne rozhodnutia a využije sa správna infraštruktúra, môže sa stať tichým a spoľahlivým pomocníkom výroby.

Riešenie je ľahko rozšíriteľné aj na iné výrobné linky a sektory. Do budúcnosti sa ponúka zapojenie ďalších dát – napríklad typov produktov, plánovaných údržieb či zmenových kalendárov – a ešte presnejšie prispôsobenie modelov konkrétnym potrebám podnikov.

Hlavné posolstvo je jasné:
Keď sa dáta, umelá inteligencia a superpočítače spoja s reálnymi potrebami priemyslu, vznikajú riešenia, ktoré majú okamžitú praktickú hodnotu.

Slovenský výskumný tím zo Žilinskej univerzity spojil medicínu, AI a európske superpočítače do spoločného projektu s jasným cieľom: zlepšiť presnosť detekcie rakoviny prsníka a podporiť lekárov pri interpretácii mamografických snímok.

Výzva

Mamografia produkuje obrovské objemy obrazových dát. Jediný projekt môže pracovať so stovkami tisíc snímok v extrémne vysokom rozlíšení. Slovenský tím zo Žilinskej univerzity pracoval s viac než 434 000 mamogramami, čo predstavuje dáta v rozsahu niekoľkých terabajtov.

Zároveň sa rozhodol použiť model typu foundation model – obrovskú neurónovú sieť s takmer miliardou parametrov, pôvodne vyvinutú pre všeobecnú analýzu obrazov. Takýto model má obrovský potenciál, no kladie extrémne nároky na výpočtový výkon, pamäť aj rýchlosť práce s dátami.

Rýchlo sa ukázalo, že bežná výskumná infraštruktúra na takýto objem výpočtov jednoducho nestačí. Bez superpočítača by projekt nemohol pokračovať.

Riešenie

Zlom nastal v momente, keď projekt získal prístup k AI Factory VEGA v Slovinsku, ktorá je súčasťou európskej iniciatívy EuroHPC. Po prvý raz dostal slovenský medicínsky AI výskum možnosť pracovať na infraštruktúre s výkonom, aký dovtedy nemal k dispozícii.

Na tejto platforme boli k dispozícii najmodernejšie grafické akcelerátory NVIDIA H100, určené špeciálne pre umelú inteligenciu. Výskumníci tu vytvorili celý technologický reťazec od spracovania mamografických snímok až po samotný tréning modelu.

Dáta sa najskôr museli očistiť, optimalizovať a pripraviť tak, aby ich bolo možné efektívne načítavať počas výpočtov. Následne sa spustil proces adaptácie veľkého AI modelu, ktorý sa „učil“ rozumieť jemným detailom mamografie. Nešlo o jednorazový výpočet. Bol to postupný proces, počas ktorého sa model krok za krokom zlepšoval.

Superpočítač sa tak nestal len výkonným nástrojom, ale kľúčovým partnerom výskumu. Umožnil robiť to, čo bolo predtým prakticky nemožné, trénovať obrovský medicínsky AI model naraz z obrovského množstva dát.

Výsledky

Výskumníci ukázali, že umelá inteligencia sa dokáže učiť z mamografických snímok tak, aby postupne rozoznávala rozdiel medzi zdravým tkanivom a zmenami, ktoré môžu signalizovať problém. Inými slovami, systém sa začal učiť „pozerať sa“ na snímky podobným spôsobom ako lekár. Hľadať jemné detaily a malé odchýlky, ktoré môžu byť pre ľudské oko veľmi nenápadné.

Tento pokrok je dôležitý najmä preto, že ide o prvý krok k tomu, aby umelá inteligencia mohla v budúcnosti upozorniť na zmeny, ktoré by si človek nemusel všimnúť na prvý pohľad. Nejde o náhradu lekára, ale o pomocnú ruku, ktorá mu môže pomôcť rozhodovať sa s väčšou istotou, najmä v hraničných a nejednoznačných prípadoch.

Dopad a potenciál do budúcnosti

Ak sa tento výskum podarí ďalej rozvíjať, umelá inteligencia by sa mohla stať tichým pomocníkom pri preventívnych vyšetreniach. Môže zrýchliť vyhodnocovanie snímok, znížiť riziko prehliadnutia drobných zmien a pomôcť zachytiť ochorenie v štádiu, keď je ešte dobre liečiteľné.

Pre ženy to v praxi znamená väčšiu šancu na včasné odhalenie rakoviny a tým aj vyššiu nádej na úplné uzdravenie. Pri negatívnych nálezoch môžu dostať ženy nezávislý a objektívny doplnkový názor a tým si znížia neistotu po skríningu.  Hoci je pred vedcami ešte ďalšia práca, už dnes je jasné, že smer, ktorým sa výskum uberá, má veľký zmysel. Cieľ je jednoduchý, ale silný. Využiť moderné technológie tak, aby pomáhali chrániť zdravie a životy žien. 

Základom spravodlivého a udržateľného rozhodovania je participácia, teda zapojenie ľudí do rozhodovacích procesov o pôde a krajine, v ktorej žijú. Ak však takéto procesy nie sú dobre navrhnuté, môžu viesť k nedôvere, konfliktom a krátkodobým riešeniam. 

Výskumný tím zo Slovenskej poľnohospodárskej univerzity v Nitre preto hľadal spôsob, ako tieto rôzne perspektívy zachytiť, analyzovať a prepojiť. Cieľom bolo pochopiť pôdu ako spoločenský a kultúrny kapitál ako priestor, ktorý spája ekonomické, environmentálne aj ľudské hodnoty. Aby sa to podarilo, bolo potrebné spracovať rozsiahle súbory dát, ktoré zachytávajú verejné diskusie, postoje a hodnoty spojené s pôdou v európskom kontexte. 

Riešenie

Aby bolo možné lepšie pochopiť, ako rôzni aktéri vnímajú pôdu a jej hodnotu, tím využil kombináciu dátovej analytiky a participatívnych prístupov. V rámci testovacej fázy boli spracované rozsiahle textové dáta, odborné dokumenty, mediálne výstupy a verejné vyjadrenia, ktoré odrážajú spoločenské postoje k pôde a krajine. 

Na ich spracovanie bola použitá metóda text miningu, ktorá umožňuje identifikovať opakujúce sa témy, vzorce v jazyku a emocionálne postoje spojené s využívaním pôdy. Takýto prístup otvára priestor pre nové poznanie, v ktorom z dát možno odvodiť, ako sa formujú názory, kde vznikajú napätia a aké hodnoty ľudia spájajú s krajinou, v ktorej žijú. 

Cieľom výskumu nie je len zhromaždiť informácie, ale premeniť ich na podklady, ktoré pomôžu budovať konsenzus medzi verejnosťou, odborníkmi a tvorcami politík. 

Využitie HPC infraštruktúry 

Analýza rozsiahlych textových dát si vyžadovala výkon, ktorý presahuje možnosti bežných pracovných staníc. Na spracovanie týchto dát preto výskumný tím využil výpočtovú infraštruktúru sprostredkovanú NSCC Slovakia. 

V testovacej fáze boli výpočty realizované na superpočítači s využitím 128 core*h v prostredí R, čo umožnilo paralelné spracovanie veľkých datasetov v krátkom čase. Tento prístup výrazne skrátil čas potrebný na analýzu a zároveň umožnil aplikovať komplexné metodické prístupy typické pre sociálne a environmentálne dáta, napríklad modelovanie vzťahov medzi aktérmi, sledovanie výskytu kľúčových pojmov alebo vizualizáciu jazykových vzorcov. 

Vďaka HPC výpočtom bolo možné: 

• spracovať rozsiahle textové súbory z rôznych zdrojov bez obmedzení kapacity, 

• získať prehľadné dátové výstupy, ktoré by na bežných počítačoch vznikali niekoľkonásobne dlhšie, 

• otestovať potenciál superpočítača pre spoločenskovedné a interdisciplinárne výskumy, ktoré spájajú ľudské správanie, dáta a priestorové väzby. 

Výsledky

Testovacie výpočty potvrdili, že využitie výpočtovej infraštruktúry umožňuje efektívne spracovať a analyzovať rozsiahle textové dáta pochádzajúce z rôznych spoločenských, environmentálnych a kultúrnych zdrojov. Vďaka aplikácii metódy text miningu sa podarilo získať prehľad o kľúčových témach a vzťahoch medzi jednotlivými aktérmi zapojenými do rozhodovania o využívaní pôdy. 

Analýza odhalila výrazné rozdiely v tom, ako rôzne skupiny vnímajú pôdu a krajinu, či už z pohľadu ekonomických, ekologických alebo hodnotových priorít. Tieto poznatky pomáhajú identifikovať oblasti, v ktorých dochádza k nedorozumeniam a konfliktom, a zároveň poukazujú na spoločné hodnoty, ktoré môžu slúžiť ako základ pre konštruktívny dialóg. 

Výskum potvrdil, že využitie HPC infraštruktúry zefektívňuje spracovanie dát a umožňuje realizovať komplexné analýzy v čase, ktorý by bol pri bežných výpočtových prostriedkoch neúnosný. Tým vznikol spoľahlivý základ pre hlavnú fázu projektu, v ktorej budú výsledky testovacej etapy rozšírené o nové dátové zdroje a metodické prístupy. 

Získané výstupy predstavujú prvý krok k vytvoreniu nástroja, ktorý dokáže prepojiť kvantitatívne dáta so spoločenskými súvislosťami  a tým prispieť k lepšiemu pochopeniu vzťahu medzi ľuďmi, krajinou a rozhodnutiami o jej využívaní. 

Dopad a budúcnosť 

Projekt potvrdil, že vysokovýkonné výpočtové prostredie má zásadný prínos aj pre spoločenskovedné a environmentálne výskumy, ktoré pracujú s komplexnými, neštruktúrovanými dátami. Kombinácia sociálneho výskumu a výpočtovej analytiky vytvorila nový prístup, ktorý možno využiť pri lepšom porozumení vzťahu medzi človekom, krajinou a spoločenskými zmenami. 

Z metodického hľadiska predstavuje projekt modelový príklad, ako môže HPC podporiť interdisciplinárny výskum, kde sa prelínajú údaje o prostredí, textové korpusy, legislatíva či verejné diskusie. Takýto prístup má veľký potenciál v rámci európskych iniciatív zameraných na udržateľné hospodárenie s pôdou a krajinné plánovanie. 

Výsledky tak vytvárajú transferovateľný rámec, ktorý môže byť využitý v európskych aj národných projektoch, od výskumu verejných politík cez participatívne plánovanie až po hodnotenie spoločenských dopadov environmentálnych rozhodnutí. 

Dáta dnes dokážu rozprávať príbehy, ktoré by sme ešte pred pár rokmi nevedeli zachytiť. Výskumný tím využil výpočtovú silu superpočítača na analýzu rozsiahlych textových dát, aby lepšie pochopil, ako spoločnosť vníma pôdu, krajinu a ich hodnotu. Projekt ukazuje, že budúcnosť pôdy je ukrytá v dátach a že vysokovýkonné výpočty môžu pomáhať nielen vedcom, ale aj komunitám, ktoré hľadajú rovnováhu medzi rozvojom a udržateľnosťou. 

Nie je dôvod sa báť

Superpočítač si môžete predstaviť ako veľmi výkonný počítač s tisíckami mozgov, ktoré pracujú spoločne. Nenachádza sa vo vašej kancelárii a nesvieti vám pod nohami — ukrytý je v špecializovanom dátovom centre a vy ho ovládate pohodlne cez webový prehliadač.

Jednoducho si pripravíte úlohu a odošlete ju do systému. Kým sa superpočítač pustí do práce, vy môžete pokojne piť kávu. O pár minút či hodín dostanete výsledky, ktoré by váš notebook počítal celé týždne — alebo by ich vôbec nezvládol.

Komu môže pomôcť?

• študentom, ktorí spracúvajú veľké množstvo dát
• vedcom testujúcim nové algoritmy umelej inteligencie
• meteorológom pri predpovediach počasia
• dizajnérom a inžinierom pri simuláciách a vývoji
• lekárom a biológom pracujúcim s genómami či zdravotnými dátami
• malým inovatívnym firmám bez vlastnej výpočtovej techniky

A mnoho ďalších oblastí čaká, kým sa ich niekto odváži preskúmať.

Prečo je to dôležité?

Potrebujeme nový impulz v inováciách. Máme múdrych ľudí, odvážne nápady a teraz aj nástroj, ktorý šetrí čas, peniaze a otvára cestu k svetovým výsledkom. Superpočítač je tu preto, aby zrýchlil vedecký pokrok aj rozvoj ekonomiky.

Už čoskoro prvý webinár

Autori manuálu chystajú praktický webinár určený úplným začiatočníkom. Ukážeme, že prístup k supervýpočtom zvládne doslova každý, kto sa nebojí nových možností. Cieľom je prebudiť zvedavosť a zbúrať bariéry medzi technológiou a jej používateľmi.

Používateľský manuál

Výzva: Rozpoznať, či je tkanivo napadnuté baktériami, nie je vždy jednoduché. V raných štádiách infekcie sa rozdiely medzi zdravými a poškodenými bunkami často nedajú zachytiť ani pod mikroskopom. Klasické biochemické testy síce dokážu potvrdiť prítomnosť baktérií, no zvyčajne sú časovo náročné a vyžadujú odber vzoriek.

Riešenie: Aby bolo možné identifikovať jemné rozdiely medzi zdravým a infikovaným tkanivom, výskumníci sa rozhodli prepojiť experimentálne merania s pokročilým spracovaním dát. Ramanove spektrá získané z rôznych hĺbok a oblastí tkaniva obsahovali obrovské množstvo informácií, ktoré nebolo možné spoľahlivo vyhodnotiť bežnými vizuálnymi metódami.

Vedci preto chceli overiť, či touto metódou možno spoľahlivo rozlíšiť zdravé tkanivo od tkaniva infikovaného baktériou Staphylococcus aureus, ktorá patrí medzi najčastejších pôvodcov zápalov kože a slizníc. Zároveň sa výskumníci zamerali na sledovanie účinnosti fotodynamickej liečby – experimentálnej terapie založenej na uhlíkových kvantových bodkách, ktoré po osvietení modrým viditeľným svetlom ničia baktérie bez poškodenia zdravých buniek.

Využitie HPC infraštruktúry

Tím využil matematickú analýzu založenú na euklidovskom kosínuse zo štvorcov prvých diferencovaných hodnôt, ktorá umožňuje porovnávať podobnosť medzi spektrami po ich transformácii. Táto metóda eliminuje vplyv pozadia, zvýrazňuje chemické zmeny v štruktúre tkaniva a umožňuje presne identifikovať rozdiely spôsobené prítomnosťou baktérií alebo účinkom liečby.

Na spracovanie rozsiahlych datasetov boli využité výpočtové kapacity superpočítača. Vďaka paralelnému spracovaniu dát bolo možné rýchlo analyzovať stovky meraní z rôznych vrstiev tkaniva a vizualizovať ich podobnosť v prehľadnej matici výsledkov. Takýto prístup by bol pri manuálnom vyhodnocovaní prakticky nemožný.

Riešenie vzniklo vďaka úzkej spolupráci odborníkov z viacerých disciplín – biológie, fyziky, materiálového výskumu aj výpočtovej vedy. Rekonštituované tkanivá pokožky boli zabezpečené laboratóriami SK-NETVAL na Ústave experimentálnej farmakológie a toxikológie, Centra experimentálnej medicíny SAV, v.v.i. ktoré vykonalo aj expozíciu testovaným látkam. Fotodynamická liečba bola aplikovaná tímom z Ústavu polymérov SAV, v.v.i. a Ramanove dáta boli namerané na Fyzikálnom ústave SAV, v.v.i. v spolupráci s Centrom pre využitie pokročilých materiálov.

Výsledky

Analýza spektrálnych dát ukázala, že medzi zdravým a infikovaným tkanivom existujú výrazné chemické rozdiely, ktoré možno zachytiť pomocou Ramanovej mikroskopie. Vzorky infikované baktériou Staphylococcus aureus vykazovali odlišné spektrálne charakteristiky vo všetkých skúmaných hĺbkach.

Zvlášť zaujímavé boli výsledky u vzoriek, ktoré prešli fotodynamickou liečbou. Po aplikácii uhlíkových kvantových bodov a následnej aktivácii modrým svetlom sa chemické spektrá výrazne priblížili k hodnotám zdravého tkaniva. To naznačuje, že liečba účinne potláča bakteriálnu infekciu bez poškodenia samotných buniek.

Použitý algoritmus sa ukázal ako spoľahlivý a rýchly nástroj na porovnávanie spektrálnych dát. Vďaka jeho implementácii v HPC prostredí bolo možné spracovať veľké množstvo meraní automaticky a vyhodnotiť výsledky objektívne, bez subjektívneho zásahu výskumníka.

Dopad a potenciál do budúcnosti

Projekt priniesol nové poznatky o možnostiach využitia svetla a dátovej analýzy v medicínskej diagnostike. Ukázal, že spojenie Ramanovej mikroskopie s výpočtovými metódami umožňuje nielen identifikovať bakteriálnu infekciu v tkanive, ale aj sledovať účinnosť liečby v reálnom čase.

V budúcnosti môže tento prístup nájsť uplatnenie pri vývoji nových antibakteriálnych terapií či pri predklinickom testovaní liečiv, kde je potrebné rýchlo a presne zhodnotiť zmeny v štruktúre tkaniva bez invazívnych zásahov. Výskumný tím zároveň plánuje rozšíriť metodiku na iné typy baktérií a tkanív a využiť výkon superpočítača aj na testovanie pokročilých algoritmov umelej inteligencie, ktoré by mohli analýzu ešte viac zautomatizovať.

Projekt je dôkazom, že prepojenie biomedicíny, fyziky, materiálového výskumu a výpočtovej vedy otvára nové možnosti pre diagnostiku a liečbu chorôb.
Slovenské výskumné tímy tak nielen potvrdzujú svoju odbornú úroveň, ale aj prispievajú k posunu hraníc modernej medicíny.

Výzva: Vodík sa čoraz viac vníma ako „palivo budúcnosti“ – bez uhlíka, čistý a využiteľný v priemysle, energetike aj doprave. Aby sa však stal skutočne dostupným, je potrebné ho vyrábať lacnejšie a efektívnejšie. Tradične sa na to používajú drahé kovy ako platina, no tie nie sú vhodné pre masové nasadenie. Vedci preto hľadajú nové materiály, ktoré dokážu katalyzovať (urýchľovať) reakciu, pri ktorej sa vodík uvoľňuje z vody.

Riešenie: Tím vedkýň z Ústavu chemických vied Univerzity Pavla Jozefa Šafárika v Košiciach a Ústavu materiálového výskumu Slovenskej akadémie vied sa zameral na molybdén-fosfid (MoP) – lacný a dostupný materiál s potenciálom nahradiť drahé kovy. Skúmali, ako MoP funguje v rôznych prostrediach – od kyslých až po zásadité – a prečo dokáže udržať svoju účinnosť.

Na to nestačilo len laboratórium. Reakcie na povrchu katalyzátora sú totiž extrémne rýchle a prebiehajú na úrovni atómov. Aby sa im porozumelo, bolo potrebné prepojiť experimenty s výpočtami na superpočítači.

Využitie HPC infraštruktúry

Spolupráca s NSCC Slovakia a využitie superpočítača umožnilo vedkyniam vytvoriť počítačové modely katalyzátora a simulovať, čo sa deje, keď sa na jeho povrch viaže vodík. 

Vďaka HPC sa podarilo:

• odhaliť mechanizmus reakcie – ako sa atómy vodíka správajú na povrchu MoP,
• overiť stabilitu materiálu v rôznych prostrediach,
• predpovedať možnosti vylepšenia katalyzátora ešte pred tým, ako sa vyrobí v laboratóriu.

Dopad

Výsledok je dôležitý z viacerých dôvodov:

• MoP je lacnejší a dostupnejší než platina, čo môže znížiť cenu výroby vodíka.
• Materiál funguje v širokom spektre prostredí, čo znamená, že by mohol byť nasadený v rôznych typoch elektrolyzérov po celom svete.
• Kombinácia experimentu a HPC simulácií šetrí čas aj náklady – vedci vedia rýchlejšie vybrať najlepšie riešenia.

Tento výskum ukazuje, že HPC nie je len pre fyzikov či informatikov, ale dokáže pomôcť aj v oblasti zelenej energetiky. Vďaka výpočtovej sile superpočítača, slovenské vedkyne prispeli k svetovému poznaniu o ekologickej výrobe vodíka a otvorili cestu k novým technológiám, ktoré môžu mať priamy vplyv na energetickú nezávislosť a udržateľnosť.

A study of the mechanism of the hydrogen evolution reaction catalysed by molybdenum phosphide in different media – ScienceDirect

Výzva: Hnedý medveď (Ursus arctos) patrí medzi ikonické, ale aj kontroverzné druhy v našej prírode. Na Slovensku je ich populácia relatívne stabilná, no sledovanie ich pohybu a správania je dôležité pre ochranu prírody aj bezpečnosť ľudí. Tradičné metódy, ako vizuálne pozorovania či stopovanie, sú časovo náročné a často nepresné. Moderné kamerové pasce dokážu zachytiť tisíce záberov z lesa, no ručne ich vyhodnotiť je prakticky nemožné.

Riešenie: Tím výskumníkov z Fakulty prírodných vied a informatiky UKF v Nitre vyvinul systém umelej inteligencie, ktorý sa snaží automaticky rozpoznať, či je na obrázku medveď alebo nie. Použili na to konvolučné neurónové siete (CNN) – rovnaký princíp, na akom funguje napríklad rozpoznávanie tvárí v mobiloch.

Na tréning modelu zozbierali:

• 4 974 obrázkov s medveďom
• 656 obrázkov bez medveďa (iné zvieratá alebo prázdny les)

Dáta poskytla Slovenská poľovnícka komora, Národná zoologická záhrada v Bojniciach a Štátna ochrana prírody SR.

Využitie HPC infraštruktúry: Tréning umelej inteligencie na takýchto dátach je mimoriadne výpočtovo náročný. Vyžaduje opakované spracovanie tisícov obrázkov vo vysokom rozlíšení (512×512 px), ladenie parametrov a skúšanie rôznych architektúr modelov.

Bežný počítač by na tento proces potreboval týždne. Vďaka superpočítaču a NSCC Slovakia  bolo možné:

• natrénovať modely za niekoľko hodín až dní,
• porovnať viacero prístupov (ResNet, MobileNet, YOLOv8/v10),
• analyzovať slabé miesta modelu a vizualizovať, čo sa „naučil“.

HPC umožnilo vedcom experimentovať rýchlo a efektívne – a teda posunúť sa od základného modelu k metodike použiteľnej aj v budúcnosti.

Výsledky

• Model sa naučil rozpoznávať základné črty medveďa a dosahoval vysokú presnosť počas tréningu (>90 %)
• V reálnych podmienkach (nočné zábery, šum, pohyb kamery) však presnosť zatiaľ nestačí na nasadenie v teréne

Dopad a budúcnosť: Aj keď výsledky nie sú zatiaľ dokonalé, výskum ukazuje, že umelá inteligencia má veľký potenciál v ochrane prírody. Automatická analýza kamerových pascí by v budúcnosti mohla:

• pomôcť monitorovať početnosť a pohyb medveďov
• znížiť riziko konfliktov s ľuďmi
• ušetriť vedcom stovky hodín manuálnej práce

Ďalší krok je doplnenie datasetu a využitie syntetických dát – teda počítačom generovaných obrázkov, ktoré rozšíria tréningovú databázu. Aj tu bude superpočítač kľúčový, keďže generovanie a spracovanie takýchto dát je opäť náročné.

Vďaka superpočítaču sa slovenským vedcom podarilo vybudovať prvý krok k systému, ktorý môže v budúcnosti uľahčiť monitorovanie medveďa hnedého – druhu, ktorý je súčasťou slovenskej prírody aj kultúrneho dedičstva.