Przejdź do treści Wyszukiwarka

Prowadzimy badania w obszarach łączących uczenie ze wzmocnieniem i grafowe sieci neuronowe

Podstawowym polem zastosowań dla rozwijanych przez nas koncepcji jest system energetyczny, a zwłaszcza projektowanie go, sterowanie nim i automatyczny handel energią.

Analizujemy handel na cyklicznie działającym rynku jako sekwencyjny proces decyzyjny. Podmiot uczestniczący w handlu wydaje zlecenia zakupu i sprzedaży. Akcje te powinny być wyznaczane na podstawie wszystkich informacji kształtujących bieżącą sytuację na rynku i sytuację handlującego podmiotu. Jak przekształcać te informacje w zlecenia w taki sposób, który przyniesie podmiotowi największe korzyści? Projektujemy algorytmy uczenia ze wzmocnieniem, które optymalizują strategię wyznaczania zleceń na podstawie danych rynkowych.

Zespół rozwija sieci neuronowe generujące grafy. Rozwiązania te są zorientowane na automatyczne projektowanie struktur. Znane metody generowania grafów opierają się na zakładanym ograniczeniu na wielkość grafu i przez to nie są skalowalne. Jak generować dowolnie duże grafy spełniające zadane wymagania funkcjonalne? Rozwijamy metody podejmujące to wyzwanie.

Łącząc uczenie ze wzmocnieniem i grafowe sieci neuronowe, pracujemy nad metodami uczenia ze wzmocnieniem wielu agentów, połączonych ze sobą więzami o strukturze grafu. Metody te są zorientowane na optymalizację sterowania urządzeniami w systemie takim jak sieć energetyczna, np. rozproszonymi magazynami energii. Poszukujemy odpowiedzi na wyzwania związane z dokonującą się właśnie transformacją energetyczną. Coraz więcej energii elektrycznej pochodzi ze źródeł zależnych od pogody, tj. wiatraków i paneli słonecznych, co jest pożądane z uwagi na promocję energetyki odnawialnej, ale istotnie utrudnia sterowanie siecią.

Lider zespołu badawczego


Paweł Wawrzyński

Dr hab. inż. Paweł Wawrzyński jest związany z IDEAS NCBR od 2023 r. W latach 2016-2022 pracował w Instytucie Informatyki Politechniki Warszawskiej, gdzie w latach 2018-2020 był zastępcą dyrektora ds. naukowych. W latach 2005-2016 pracował w Instytucie Automatyki i Informatyki Stosowanej PW. Jest autorem ponad 50 publikacji naukowych, w tym w takich czasopismach jak “Neural Networks”, “IEEE Transactions on Neural Networks and Learning Systems” oraz publikacjach pokonferencyjnych International Joint Conference on Artificial Intelligence (IJCAI). Posiada cztery patenty i jest autorem pięciu rozpatrywanych wniosków patentowych. Ponadto, zarządzał inwestycjami, był dziennikarzem ekonomicznym i fundatorem lub współfundatorem trzech start-upów technologicznych.

Zainteresowania naukowe Pawła Wawrzyńskiego obejmują uczenie maszynowe i jego praktyczne zastosowania. Obszary jego badań teoretycznych to zwłaszcza uczenie ze wzmocnieniem, grafowe sieci neuronowe i uczenie ciągłe. Wdraża wyniki badań naukowych w marketingu, robotyce, przemyśle samochodowym i energetyce.

Inne grupy i zespoły badawcze

  • AI dla bezpieczeństwa Opracowujemy wielopoziomowe systemy zarządzania ochroną infrastruktury krytycznej, jak i te służące do zabezpieczenia kluczowych usług państwa wobec zagrożeń kinetycznych i cybernetycznych.
    Tomasz Michalak
  • Algorytmy w autonomicznych UAV Bezzałogowe statki powietrzne (ang. unmanned aerial vehicles – UAVs), znane również jako drony są coraz częściej wykorzystywane w różnych dziedzinach gospodarki.
    Karol Pieniący
  • Bezpieczeństwo systemów i prywatność danych Szereg zastosowań uczenia maszynowego obejmuje zagadnienia, w których prywatność ma szczególne znaczenie.
    Stefan Dziembowski