Farkas Gyula emlékdíjat kapott Dózsa Tamás doktorandusz hallgató, a HUN-REN SZTAKI kutatója

Farkas Gyula emlékdíjat kapott 2024. december 18-án Dózsa Tamás, az ELTE Informatikai Kar doktorandusz hallgatója, a HUN-REN SZTAKI Rendszer és Irányításelméleti Kutatólaboratórium tudományos segédmunkatársa.

Dózsa Tamás Gábor programtervező informatikus, BSc és MSc fokozatát az Eötvös Loránd Tudományegyetem (ELTE) Informatikai Karán szerezte 2017-ben, illetve 2020-ban. Ezt követően pedig doktori tanulmányokat folytatott az ELTE Informatikai Doktori Iskolájában. A 2021-2024 időszakban NVKDP Ösztöndíjban részesült, amely az ELTE IK Numerikus Analízis Tanszéke és a HUN-REN SZTAKI, mint vállalat partner vezetésével zajlott. Tanszéki témavezetője Dr. Kovács Péter (egy. docens ELTE IK Numerikus Analízis Tanszék), vállalati szakértő, ugyanakkor társtémavezető Dr. Soumelidis Alexandros (tudományos főmunkatárs, HUN-REN SZTAKI Rendszer- és Irányításelmélet Kutatólaboratórium).

Egyéb kutatásai mellett a HUN-REN SZTAKI Rendszer és Irányításelmélet Kutatólaboratórium keretein belül a kutatásai alapvetően a következő területekre koncentrálódnak:

• Fizikai jelenségek leírására szolgáló jelek olyan modelljeinek kutatása, amelyek révén egyszerűen lehet a rendszerek működési jellemzőire vonatkozó döntéseket hozni, olyan paraméterek becslését megvalósítani, amelyek leegyszerűsítik a döntések meghozatalát, illetve olyan paraméter-halmazokat hoznak létre, amelyek révén egyszerűsíthető bonyolult döntési sémák (például neurális hálók) létrehozása.
• Fizikai rendszerek matematikai modelljeinek mérések (mérési jelek) alapján történő meghatározása (rendszer identifikáció), amelyek a legkevesebb a priori feltételezésen alapulnak, és alkalmasak a rendszerek irányításának tervezésére, megvalósítására.
• Modell-vezérelt neurális hálók kutatása, mely ötvözi a matematikai modellezés és a mesterséges intelligencia (AI) adatvezérelt szemléletének előnyeit. Ez a megmagyarázható AI kutatások egy új gyorsan fejlődő területe, melynek segítségével a matematikai, fizikai heurisztikák (pl. ritkaság, simaság, dinamikai jellemzők) beépíthetők az AI algoritmusok architektúrájába, célfüggvényébe, vagy éppen a tanító adatokba. Így csökkenthető a mélytanuló modellek erős adatfüggősége, komplexitása, és értelmezhetővé válik a betanított modellek döntéshozó mechanizmusa.

Mindkét területen előtérbe kerülnek az un. adatvezérelt módszerek olyan esetekben, amikor analitikus módszerek önmagukban nem vezetnek eredményre a vizsgált rendszer nagyarányú bonyolultsága, nemlinearitása, nehezen átlátható dinamikája, időbeli változása miatt. Ugyanakkor alkalmazásra kerülnek olyan analitikus módszerek, amelyek mellett az adatvezérelt módszerek bonyolultsága radikálisan csökkenthető. Ezen az úton lehetőség nyílik olyan detektálási, döntési rendszerek kialakítására, amelyek akár járműfedélzeti körülmények között, limitált számítástechnikai kapacitás mellett képesek feladataik végrehajtására.

A Farkas Gyula emlékdíjat a Bolyai János Matematikai Társulat alapította 1973-ban. A díjra javasolhatók azok a személyek, akik a B.Sc., M.Sc. és Ph.D. fokozatok közül legalább egyet Magyarországon szereztek, ezen fokozathoz szükséges tanulmányaik döntő részét Magyarországon végezték, vagy posztdoktori státuszban legalább 2 évet magyar intézményben végeztek kutatómunkát, valamint akik a kitüntetés évében 35-ik életévüket még nem töltik be, lehetőleg PhD fokozattal rendelkeznek, és olyan jelentős tudományos tevékenységet folytattak, amely a matematika alkalmazásaival szoros kapcsolatban álló elméleti témákban, vagy konkrét modellalkotásban, az alkalmazott matematika oktatásában vagy népszerűsítésében, vagy az informatikai módszerek fejlesztésében hozott lényegesen új eredményeket.