Projektek

Kutatócsoportunk mágneses rezonancia képanalízissel foglalkozik az FSL programcsomag segítségével. Tekintettel arra, hogy a felvételek analízisének jelentős része voxelenként, egymástól függetlenül történik az eljárások jól parallelizálhatók. Az Oxfordi Egyetem FMRIB csoportja által fejlesztett FSL softvercsomag grid engine detektálása esetén a számításokat automatikusan parallelizálva indítja el. 

Jelen pilot project célja az, hogy megvizsgáljuk, hogy az MTA Cloud alkalmas-e a fenti programcsomag és analízisek futtatására. 

Egy viszonylag nagy erőforrást igénylő, elsősorban glikopeptid analízishez használt adatbázislekereső használata

A kutatásban okoseszközöket használunk szociometriai és hálózatkutatási célokra.

A Hijing++ nehézionfizikai Monte Carlo eseménygenerátor fejlesztése.

Hitaci-val közös projekten nagy méretű XPress számítások futtatása.

Az MTA SZTAKI Párhuzamos és Elosztott Rendszerek Kutatólaboratóriuma által fejlesztett OCCOPUS és Data Avenue eszközök használatával hybrid számolás megvalósítása az MTA CLOUD-on és az Amazonon AWS EC2 infrastrúktúráján. A SACCRED ERC csoport jelenleg eredményesen hasznája az MTA CLOUD-ot a CASA rádiócsillagászati redukáló program használatával a megfigyelései elemzésére. A számolások felgyorsítására néhány alkalommal az AMAZON EC2 infrastrúktúrájában szuper nagy gépeket bérlünk. A mostani project céljai:

A projekt keretében ipari partnerek számára biztosítjuk a "Maturity Survey" mint termék használatát, kitöltését. Az elkészített kérdőíveket interaktív felületen (R Shiny) azonnal ki tudjuk értékelni és a partnerek számára az eredményeket elérhetővé tenni. A "Maturity Survey"-t mint terméket az MTA SZTAKI tulajdonában lévő EPIC InnoLabs Kft szolgáltatja.

We want to determine the size of the largest independent set on a graph, the d-regular infinite tree. In particular, we want the maximal size achievable by a local algorithm.

A Szegedi Tudományegyetem Szoftverfejlesztés Tanszékén aktív kutatásokat végzünk az IoT és felhő rendszerek területén. A Szegedi Biológiai Kutatóközponttal együttműködésben a GINOP IoLT (Internet of Living Things) keretében fejlesztünk élő szervezetekről adatokat gyűjtő intelligens szenzorokat alkalmazó megoldásokat. Az MTA Felhő használatával célunk olyan átjáró szolgáltatások kidolgozása, amelyek segítik az IoLT alkalmazások működtetését biztosítva az adaptív adatgyűjtést és feldolgozást.

Az MTA SZTAKI által vezetett Ipar 4.0 kutatási és innovációs kiválósági központhoz tartozó adattudományi alprojekt. A cél ipari és laboratóriumi mérésekből, valamint szimulációkból származó nagy mennyiségű adat hatékony tárolása, feldolgozása és elemzése.

A virtuális gépek főleg szimulációs szoftverek, adatbáziskezelők és nagy mennyiségű adat hatékony feldolgozására alkalmas statisztikai és gépi tanulási programcsomagok futtatásához szükségesek.