Rivoluzione nella trasmissione delle informazioni: la TU Dresden riceve finanziamenti milionari!

Rivoluzione nella trasmissione delle informazioni: la TU Dresden riceve finanziamenti milionari!

L'Università Tecnica di Dresda (TUD) ha ottenuto notevoli successi nel campo della ricerca. Il professor Jürgen Czarske, direttore della cattedra di Tecnologia dei sistemi di misura e sensori, ha ricevuto un impegno di finanziamento di circa 1,5 milioni di euro nell'ambito del programma Reinhart Koselleck della Fondazione tedesca per la ricerca (DFG). Questo progetto, intitolato “Sistemi di deep learning basati sulla fisica per la trasmissione sicura di informazioni con fibre multimodali” (Phys-Deep-Fiber), mira a migliorare la trasmissione di informazioni in fibra ottica utilizzando reti neurali basate sulla fisica. Questo secondo finanziamento di Koselleck a Czarske dal 2014 rappresenta un'altra pietra miliare nello sviluppo di tecnologie nel campo dell'energia e dell'ingegneria di processo, in cui ha una vasta esperienza.

Il progetto affronta vari argomenti di grande attualità come la spiegabilità delle applicazioni AI, i requisiti energetici delle soluzioni AI e le possibili applicazioni nella comunicazione ottica e nella tecnologia dei sensori. Nell'ambito del lavoro di ricerca vengono esaminate in particolare le interfacce con settori quali la guida automatizzata, la microscopia intelligente per la biomedicina e la comunicazione quantistica. L’importanza della comunicazione in fibra ottica per Internet e l’attenzione alla sicurezza dei dati e alle tecnologie di risparmio energetico sottolineano l’importanza del progetto in un mondo sempre più digitalizzato.

Approcci innovativi nella ricerca sull’intelligenza artificiale

Un elemento centrale del progetto è lo sviluppo di sistemi di misurazione basati su XAI che combinano algoritmi basati sui dati con modelli fisici. Ciò consente di addestrare reti neurali ottiche senza l’uso di GPU assetate di energia, il che è sia ecologicamente sensato che economicamente vantaggioso. Questa innovazione rappresenta un progresso nell'uso efficiente dal punto di vista energetico delle tecnologie che stanno diventando sempre più importanti nella ricerca odierna.

Nella discussione interdisciplinare sulle reti neurali e i loro fondamenti, la DFG sottolinea che in Germania esistono già gruppi di ricerca visibili a livello internazionale, incluso un nuovo programma prioritario chiamato “Fondamenti teorici del Deep Learning”, che promuove le collaborazioni interdisciplinari. Uno dei motivi principali di questa attenzione è la mancanza di basi teoriche per le reti neurali, nonostante la loro ampia applicazione nei settori del machine learning e dell’intelligenza artificiale generativa, come sistemi come ChatGPT, che stanno diventando sempre più parte della nostra vita quotidiana.

Combinare con successo ricerca e formazione

Parallelamente agli attuali progetti di ricerca, viene sottolineata l'importanza di una solida formazione nel campo delle reti neurali. Il libro “Neural Networks”, che sarà pubblicato nella sua terza edizione nel 2025, offre ai principianti un’introduzione ben fondata alle basi della tecnologia alla base del deep learning e del machine learning. Argomenti come algoritmi di apprendimento, programmazione in Python e questioni etiche sono trattati in dettaglio e rappresentano una parte importante del successo dell'apprendimento per i futuri professionisti in questo entusiasmante campo.

Attraverso la combinazione di ricerca sostenibile, tecnologia innovativa e formazione approfondita, l’Università Tecnica di Dresda invia un chiaro segnale per il futuro della scienza nel campo dell’intelligenza artificiale e dei sistemi ad alta efficienza energetica. Destinatario di numerosi premi tra cui il Joseph Fraunhofer Award e il Laser Instrumentation Award, il Prof. Czarske guida gli sforzi per sviluppare applicazioni IA affidabili e di alta qualità in grado di affrontare le complesse sfide del mondo moderno.

Per ulteriori informazioni contattare il Prof. Jürgen Czarske: Telefono: +49 351 463-34803.