Projektid

Gravitatsioonilainete avastamine pakub uusi võimalusi Universumi alusseaduste täpsemaks väljaselgitamiseks ja potentsiaalseks paradigmanihkeks osakestefüüsika ja kosmoloogia vallas. Tippkeskus "Universum" seab eesmärgiks interdistsiplinaarse uurimustöö, sidudes gravitatsioonilainete vaatlused käimasolevate uuringutega teoreetilise ja eksperimentaalse kosmoloogia, osakestefüüsika ja gravitatsiooni alal. Tippkeskus toob nende erialade eksperdid kokku ühtsesse raamistikku, mis soodustab interdistsiplinaarset koostööd. Lisaks uuringutele fundamentaalfüüsika vallas hõlmavad tippkeskuse tegevused eksperimentaalse riistvara ja infotehnoloogia meetodite arendamist, sealhulgas järgmise põlvkonna masinõppe algoritmide välja töötamist ning kvantarvutite võimalikke rakendusi fundamentaalteaduslikes uuringutes. Tippkeskus tugineb Eesti liikmelisusele ESA-s ja CERN-is, edendades teadmiste ülekannet nendest organisatsioonidest Eestisse ja tõstes Eesti teaduse rahvusvahelist konkurentsivõimet.

TIRAMISU "Koolitus ja innovatsioon usaldusväärsete ja efektiivsete serva-AI kiipide disainimisel“ on Euroopa HORIZON MSCA doktorantide koolitamise võrgustiku projekt. TIRAMISU üldine uurimiseesmärk on praktiline metoodika usaldusväärse ja energiatõhusa serva AI riistvara selgroo disainimiseks ja innovatsioonijuhtimiseks. Tegevus pakub tugevat interdistsiplinaarset koolitust tulevastele Euroopa inseneridele ja teadlastele, kes veavad innovatsiooni usaldusväärsete ja energiatõhusate serva AI kiipide väljatöötamisel. Konsortsium on strateegiliselt kavandatud soodustama ristdistsiplinaarseid sünergiaid, integreerides sujuvalt innovatsioonijuhtimise uurimistöö äärealuste AI disaini tehniliste aspektidega. Mitteakadeemilist sektorit esindab Euroopa lipulaev R&D keskus nanoelektroonikas - IMEC, globaalne liider tööstuselektroonikas ja suurim pooljuhtide tootja Saksamaal - Infineon, usaldusväärne autotööstuse lahenduste pakkuja - Dumarey, maailma juhtiv EDA tööriistade arendaja - Cadence. Akadeemiline tipptase on loodud juhtivate IKT ja tehnoloogia innovatsiooni inseneriülikoolide ning Euroopa suurima rakendusuuringute organisatsiooni - Fraunhoferi poolt.

Projekti RESCHIP4EU "Kiipide projekteerimisoskuste tugevdamine Euroopas" (Reinforcing Skills in Chips Design for Europe) eesmärgiks on terviklik tugi ELi kõrgharidusele sardsüsteemide projekteerimise valdkonnas - ränist alates läbi kiipsüsteemide projekteerimise ja tootmise kuni nutikate ja ohutuskriitilise platvormide ja rakendustarkvarani. Programmi terviklik olemus on innovatsiooni jaoks hädavajalik ja annab lõpetajatele ainulaadse konkurentsieelise, et kavandada, analüüsida ja uuendada nutikaid, rohelisi ja ohutuskriitilisi sardsüsteeme Euroopas.

TIRAMISU "Koolitus ja innovatsioon usaldusväärsete ja efektiivsete serva-AI kiipide disainimisel“ on Euroopa HORIZON MSCA doktorantide koolitamise võrgustiku projekt. TIRAMISU üldine uurimiseesmärk on praktiline metoodika usaldusväärse ja energiatõhusa serva AI riistvara selgroo disainimiseks ja innovatsioonijuhtimiseks. Tegevus pakub tugevat interdistsiplinaarset koolitust tulevastele Euroopa inseneridele ja teadlastele, kes veavad innovatsiooni usaldusväärsete ja energiatõhusate serva AI kiipide väljatöötamisel. Konsortsium on strateegiliselt kavandatud soodustama ristdistsiplinaarseid sünergiaid, integreerides sujuvalt innovatsioonijuhtimise uurimistöö äärealuste AI disaini tehniliste aspektidega. Mitteakadeemilist sektorit esindab Euroopa lipulaev R&D keskus nanoelektroonikas - IMEC, globaalne liider tööstuselektroonikas ja suurim pooljuhtide tootja Saksamaal - Infineon, usaldusväärne autotööstuse lahenduste pakkuja - Dumarey, maailma juhtiv EDA tööriistade arendaja - Cadence. Akadeemiline tipptase on loodud juhtivate IKT ja tehnoloogia innovatsiooni inseneriülikoolide ning Euroopa suurima rakendusuuringute organisatsiooni - Fraunhoferi poolt.

Lähtudes TalTechi ekspertiisist arvutitehnika alal ning kõrgel tasemel oskustest nanoelektroonikasüsteemide diagnostika ja testimise valdkonnas, on selle projekti eesmärk luua TalTechis, Tugevate Partnerite toetuse abil, võimekus teostada täielikku kohandatud AI-kiibi disainiprotsessi teadus- ja arendustegevuses ning innovatsioonis (R&D&I). TAICHIP (TalTechi AI-kiip) tegevuse uurimisambitsioon on tipptasemel tulevikku suunatud R&D raamistik usaldusväärsete ja ressursitõhusate kohandatud AI-kiipide jaoks, mis põhinevad avatud riistvara arhitektuuridel (nt RISC-V, NVDLA), avatud riistvara projekteerimise tarkvaral, lähenemistel ja rakendustehnoloogiatel, mis vastavad homsete AI-rakenduste nõuetele. TAICHIP projekt võimaldab TalTechis ka vajaliku teadusteadmiste, uurimisoskuste, administratiivsete ja juhtimisoskuste arendamist, samuti selle arenenud koolituse ja haridusvõimekuse tugevdamist. Projekti keskse eesmärgiga võrdselt seotud on täiendavad meetmed, mis keskenduvad toetavate võimekuste arendamisele, samuti levitamisele, ärakasutamisele ja kommunikatsioonile ning avalikule poliitikale suunatud tegevustele.

Projekti CRASHLESS eesmärgiks on radikaalselt uus adaptiivne kihtideülese töökindluse ja enesetervise teadlikkuse tehnoloogia homsete arukate autonoomsete süsteemide ja värkvõrgu jaoks Eestis ja Euroopas. Tänaste küberfüüsikaliste ja süsteemidest koosnevate süsteemide ülikeerukus mitmekordistub üha kasvava heterogeensuse ja tehisintelligentsusel põhineva autonoomsuse tõttu. Autonoomsed robotisüsteemide parved on ukselävel ja nõuavad usaldusväärsuse tagamiseks uudset lähenemist üle kõikide süsteemikihtide. Süsteemide enesetervise teadlikkus ja kohapealne enesetervendamise infrastruktuur on muutumas uute süsteemide ja värkvõrkude turule jõudmise eelduseks ja seda võimaldavaks teguriks. CRASHLESSi toetatav uus süvatehnoloogia pakub inseneridele disainilahendusi ja kohapealset instrumentaariumi tööstuslike süsteemide jaoks ning hõlbustab lõppkokkuvõttes süsteemi kasutajakogemuse põhist tõrgete haldamist. Projektitulemusi valideeritakse koostöös Eesti ettevõtetega.

Koostööprojekti eesmärk on võimaldada usaldusväärset AI riistvara selgitatavate ja efektiivsete süvanärvivõrkude (SNV) abil. Peamise panusena eesmärgi saavutamiseks luuakse projektiga EnTrustED raamistik SNV riistvara disaini analüüsi jaoks, mis järgib uudset disainivoogu. Esiteks pakutakse kavandamise etapis SNV järgi kohandatud lähendamistehnikate (AxC) kombinatsiooni, et suurendada SVN-i ennustusriistvara arvutustõhusust. Raamistik võimaldab simulatsioonipõhist analüüsi, et tuvastada neuronid, mis pole optimeerimiseks otstarbekad ja peavad säilitama oma esialgse täpse arvutamise (ExC), vastasel juhul tuleks lähendamist vähendada. Eesmärk on varustada tehisintellekti riistvara enesetestimismehhanismidega, et tuvastada riistvara rikkeid ja tõrketaluvuse mehhanisme tekkinud veast taastumiseks ja seeläbi AI-algoritmi katkestusteta jätkamiseks. Ühe uuendusena käsitleb see projekt selgitatavat AI-d (XAI) riistvara vaatenurgast. Kavatseme selgitada AxC-d ja seega tagada SNV tehtud otsuste õiget selgitust. Kui oleme garanteerinud riistvara õige käitumise ja oleme AxC-d korrektselt rakendanud, saame SNV implantatsiooni profileerimiseks SVN sisendispetsiifiliste oluliste neuronite tuvastamiseks ohutult käivitada. Projekti eksperimentaalne iseloom ning EC-Lyoni ja TalTechi panuste suur vastastikune sõltuvus muudavad kavandatud visiidid koostöö eesmärkide saavutamiseks hädavajalikuks.

Demoprojekt: “Automaatne masinnägemisel põhineva koostööroboti programmigenereerimismeetodi testimine” Projekt töötab välja ning testib uudset masinõppel põhineva masinnägemise toe tootmises kasutavatele koostöörobotile. Lahendus võimaldab roboti automaatset programmeerimist õpitud toorikute asetuse abil. Lahendus aitab oluliselt tõsta tootmisprotsessi efektiivsust ja turvalisust ning on rakendatav väga laias tootmise ülesannete klassis.

Demoprojekt: “Automaatne masinnägemisel põhineva koostööroboti programmigenereerimismeetodi testimine” Projekt töötab välja ning testib uudset masinõppel põhineva masinnägemise toe tootmises kasutavatele koostöörobotile. Lahendus võimaldab roboti automaatset programmeerimist õpitud toorikute asetuse abil. Lahendus aitab oluliselt tõsta tootmisprotsessi efektiivsust ja turvalisust ning on rakendatav väga laias tootmise ülesannete klassis.