Centrets expertiser inom AI
En expertis på Centrum för tillämpad AI är ett område inom AI där RISE bedriver forskning och utveckling med specifik och avancerad kompetens.
En expertis är ett område inom AI där RISE bedriver forskning och utveckling med specifik och avancerad kompetens. Områdena stöds av fleråriga forsknings- och utvecklingsprojekt finansierade av Sverige, EU och industrin. Mer information och kontaktuppgifter till forskningsgrupperna finns på respektive expertissida.
AI för kemi och toxikologi
AI för kemi och toxikologi är baserad på kompetensen hos flera tvärfunktionella enheter på RISE: processkemi, toxikologi och AI/digitala system. Här finns unik spets inom kombinationen av datavetenskap, toxikologi, kemi och material samt projekt inom kemiska processer, toxikologi och AI/ML som deskriptorer, prediktion och mönsteretablering.
Deep learning
Deep learning eller djupa neuronnät har tagit världen med storm. Nästan varje gång som AI nämns i media, så är dessa tekniker inblandade. Djupa neuronnät är modeller som idag används i många tillämpningar inom språkteknologi och bildanalys och har ersatt äldre tekniker som krävde större inslag av manuellt arbete i analysprocessen.
Språkteknologi
Språkteknologi handlar om att använda datorprogram för att analysera, förstå och generera naturligt språk. RISE bedriver forskning både om grundläggande algoritmer för språklig AI, men även om hur sådana algoritmer kan användas för att på bästa sätt lösa diverse praktiska uppgifter och problem som involverar språkliga data.
Datorseende
De flesta autonoma system förlitar sig på bilder för att förstå komplexa miljöer och fatta beslut. Vi utför bildanalys studier baserade på både traditionella och AI-metoder för att lösa praktiska problem inom olika tillämpningsområden. Exempel inkluderar identifiering av mänskligt beteende och spårning av trafikobjekt.
Maskininlärning för känsliga data
Användandet av träningsdata för nya AI-modeller ställer krav på integritet- och informationsskydd. Inom området maskininlärning för känsliga data utvecklas bland annat tekniker för data som kan innehålla känslig information, till exempel medicinska texter och bilder eller personlig data såsom fotografier på sociala medier
Engineering Operational AI
Utvecklingen av operationella AI/ML-lösningar (Artificiell Intelligens / Maskininlärning) ställer höga krav på såväl verktyg som processer. Expertisområdet Engineering Operational AI jobbar med hela flödet, från data till driftsatt modell i en operationell miljö, för att säkerställa kvalitet och leverans över hela livscykeln.
Industrial Applied AI
Adapting to the new AI-driven paradigm guarantees sustainability, competitiveness and success of the future industries. AI is already changing the entire business models by offering new ways of automation and knowledge creation. See the possibilities, identify the opportunities and realise your AI strategies.
Federerad maskininlärning
Federerad maskininlärning är inlärningsalgoritmer som drar nytta av data distribuerad över flera klienter. Inlärningen sker huvudsakligen lokalt på klienterna men med hjälp av en central server kan klienterna samarbeta och nå bättre resultat. Detta ger möjlighet att skydda integriteten hos data och att använda distribuerad beräkningskapacitet.
Maskininlärning och osäkerhetspropagering
Numeriska beräkningar som förekommer inom strömningsmekanik (CFD) är ofta extremt tidskrävande och kan uppta betydande datorresurser under en längre tidsperiod, vilket ofta resulterar i en mycket begränsad mängd resultat. Genom att använda MLUP (Machine Learning for Uncertainty Propagation) går det att få en bra uppskattning av propagering av osäkerheter i indata och hur de påverkar simuleringsresultatet.
Artificiell intelligens för batterier
Artificiell intelligens och maskininlärning för batterihantering har potential att förbättra prestanda, livslängd, tillförlitlighet och säkerhet för batterisystem både hos mobila och stationära applikationer.
Förarmodellering
En paradigmskifte inom transportsystemet är här. Transport blir en handelsvara och automatisering och tjänster är möjliggörare. Eftersom förarens roll förändras från aktiv styrning till passiv medåkning måste verktygen för att förstå förarens engagemang uppdateras.