Výzkumná činnost

Náš tým se věnuje pokročilému výzkumu a vývoji algoritmů pro zpracování a analýzu medicínských dat, matematickému modelování a simulaci komplexních systémů. Na této stránce naleznete přehled nabízených výzkumných aktivit našeho oddělení.

Počítačová analýza medicínských dat

Specializujeme se na vývoj a implementaci algoritmů pro zpracování a analýzu medicínských dat, především pro diagnostické účely. Zaměřujeme se například na detekci specifických událostí v signálech, extrapolaci komplexních informací z omezených datových souborů, korelaci, segmentaci buněk ze snímků pořízených mikroskopy a tvorbu specializovaných databází pro další výzkumné využití. V oblasti fyziologických signálů máme zkušenosti se zpracováním EKG, EEG, EMG a signálů zobrazujících nitrolební (ICP) a arteriální krevní tlak (ABP). U obrazových dat nejčastěji pracujeme se snímky buněk a tkání. Pro zpracování využíváme široké spektrum nástrojů – od klasických programovacích jazyků (např. Python) až po technologie Big Data (např. Apache Hadoop, Cassandra). Dále se zaměřujeme na implementaci metod strojového učení, včetně využití specializovaného hardwaru a masivně paralelních přístupů. 

Řešené projekty

Prediktivní modelování

Zaměřujeme se na aplikaci metod matematického modelování pro analýzu a predikci časových řad. Pracujeme s daty z firemních procesů a podnikatelského prostředí, ale i s časovými řadami vzniklými v rámci dalších výzkumných aktivit. Využíváme jak klasické statistické přístupy, tak i moderní metody strojového učení – například neuronové sítě – případně jejich kombinace.

Modelování časových řad

Modelování časových řad provádíme pomocí klasických statistických metod, například autoregresních modelů (ARMA, ARIMA), jejich sezónních rozšíření (SARIMA) či variant s externími regresory ([S]ARIMAX). Vhodný typ modelu a jeho parametry volíme na základě důkladné analýzy příslušné časové řady, včetně posouzení jejích statistických vlastností.

Další skupinu modelů tvoří metody strojového učení. Využíváme buď hotové aplikační balíky, například Prophet, založený na aditivním regresním modelu a bayesovském přístupu nebo navrhujeme a implementujeme vlastní neuronové sítě pro predikci konkrétních časových řad. Nejčastěji pracujeme s rekurentními sítěmi typu LSTM nebo GRU, implementovanými v běžně dostupných knihovnách, jako jsou TensorFlow či PyTorch. Úspěšné učení neuronových sítí však vyžaduje dostatečně rozsáhlá a kvalitní data. Zabýváme se také vysvětlováním vlivu jednotlivých regresorů na vývoj časových řad, například pomocí interpretovatelných modelů nebo citlivostních analýz.

Řešené projekty smluvního výzkumu

Počítačová simulace komplexních systémů

Specializujeme se na simulace komplexních systémů pomocí částicových i spojitých přístupů. V rámci částicového modelování využíváme zejména molekulární dynamiku k popisu fyzikálně-chemických jevů – například při simulacích kompozitních materiálů na bázi polymerů nebo separačních procesů v membránách. Zabýváme se také simulací pohybu chodců. Používáme jak diskrétní modely založené na celulárních automatech, tak spojité přístupy využívající metody computational fluid dynamics, v rámci nichž jsou chodci modelováni jako inteligentní tekutina.

Počítačové simulace kompozitních materiálů na bázi polymerů

Počítačový design nanomateriálů vyžaduje zohlednění širokého spektra parametrů a jejich možných kombinací. Simulace představují účinný nástroj pro systematické zkoumání těchto parametrů a jejich optimalizaci před experimentálním ověřením. Vzhledem k vysokému počtu stupňů volnosti využíváme zjednodušené (zhrubnuté) modely polymerů a dalších složek kompozitních materiálů. Pro zvýšení výpočetní efektivity zapojujeme také GPU akceleraci. Věnujeme se především modelování samoorganizace kopolymerních systémů – v objemové fázi, na povrchu pevných fází (například nanočástic) nebo v nerovnovážných podmínkách, například za přítomnosti toku.

Řešené projekty

  • GA ČR: Řízená asociace polyelektrolytových kopolymerů se surfaktanty ve vodných roztocích, 2013–2016.
  • ERDF/ESF: UniQSurf – Centre of Biointerfaces and Hybrid Functional Materials, 2018–2022.
  • TA ČR – Kappa: METAMORPH – Advanced Hybrid Organic-Inorganic Nanofibers for CO₂ Capture and Photocatalysis, 2021–2023.
  • GA ČR: Separace racemických směsí membránovými procesy, 2017–2019.