Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk (IITiS PAN) jest instytutem naukowym, którego działalność naukowa koncentruje się w dziedzinie technologii informatycznych. Instytut zajmuje się również szkoleniem personelu technicznego i naukowego na zaawansowanym poziomie. Inicjuje i uczestniczy w projektach mających na celu rozwój innowacyjnego sektora komercyjnego. IITIS PAN bierze udział w realizacji misji Polskiej Akademii Nauk w zakresie promocji, integracji i upowszechnianiu polskiej nauki.
IITiS PAN oferuje stanowisko asystenta w Zespole Uczenia Maszynowego. Zaangażowana osoba będzie uczestniczyć w realizacji tematów badawczych związanych z przygotowaniem algorytmów uczenia maszynowego do zastosowań przemysłowych.
Rozpoczynamy od omówienia problemów obliczeniowych i algorytmów. Definiujemy ogólną postać problemów decyzyjnych, a następnie wprowadzamy deterministyczny automat skończony (DFA) jako podstawowy decydent. Po przedstawieniu kilku przykładów DFA wraz z dyskusją ich ograniczeń, wprowadzamy ich warianty probabilistyczny i kwantowy. Przedstawiamy reprezentatywny algorytm dla każdego z tych wariantów, a następnie dyskusję na temat zalet kwantowych w ustawieniach automatów skończonych. Krótko omawiamy ostatnie implementacje algorytmów QFA na rzeczywistym sprzęcie kwantowym.
Z przyjemnością możemy pogratulować naszym pracownikom, Özlem Salehi oraz Adamowi Glosowi zdobycia głównej nagrody w międzynarodowym konkursie programistycznym organizowanym przez firmę Classiq. Adam i Özlem uzyskali najlepszy wynik i stworzyli program kwantowy dla zadania, w którym problem polegał na rozwiązaniu Kakuro, czyli matematycznej transliteracji krzyżówki. Szczegółowe omówienie zadania wraz z opisem zaproponowanego rozwiązania zostało udostępnione przez organizatorów konkursu.
W czasopiśmie IEEE Spectrum (ponad 400 tyś subskrypcji) został opublikowany artykuł o jednym z naukowców Instytutu: profesorze Sami Erol Gelenbe.
Tematyka referatu dotyczy innowacyjnego podejścia w przygotowaniu danych stosowanych do trenowania konwolucyjnych sieci neuronowych w zakresie segmentacji kolorowych obrazów. Problem doboru danych trenujących oraz pozyskania ich wystarczającej ilości, niezbędnej do uzyskania modelu o jak najwyższej precyzji predykcyjnej, jest istotnym zagadnieniem w tematyce sieci neuronowych. Nieprawidłowe podejście do niego może sprawić, że nawet najlepiej przygotowana architektura sieci, nie będzie w stanie wygenerować modelu, który będzie działał z satysfakcjonującą dokładnością.
Z przyjemnością informujemy, że 6 maja 2022 roku odbyła się uroczystość z okazji uzyskania habilitacji w dziedzinie informatyki z jednoczesnym awansem na stanowisko profesora instytutu przez dr Bartłomieja Gardasa.
Gilbert zaproponował iteracyjny algorytm wyznaczania odległości między danym punktem a zbiorem wypukłym. Stosujemy algorytm Gilberta z kilkoma modyfikacjami i uproszczeniami, aby uzyskać górne ograniczenie na odległość Hilberta-Schmidta między danym stanem a zbiorem stanów separowalnych. Chociaż odległość Hilberta-Schmidta nie jest właściwą miarą splątania, to jednak może być stosowana jako bardzo dobry wskaźnik ilości splątania.
Prof. Sami Erol Gelenbe wygłosi webinarium COMSTECH pt. "Energy Consumption by ICT - Facts and Challenges" w dniu 18 kwietnia.
Więcej informacji można znaleźć na stronie:
https://www.comstech.org/comstech-mstf-webinar
