Datalogi och datorsystemteknik

Datalogi och datorsystemteknik

Datalogi och datorsystemteknik är ett väldigt brett forskningsområde, och vid BTH fokuserar vi främst på två delområden:

  • Big data och AI
    Forskningen inom big data och AI utvecklar olika tekniker för att hantera stora mängder data, samt hur AI, maskininlärning och informationsutvinning kan användas för mönsterigenkänning och att hitta trender i stora datamängder.
  • Parallella datorsystem
    Inom parallella datorsystem fokuserar forskningen på parallella och distribuerade system, molnbaserade system och säkerhet. Forskningen omfattar både praktiska och teoretiska aspekter på databehandling med tillämpningar samt utveckling av olika sådana system.

Big data och AI

Inom området big data och AI studerar och utvecklar vi metoder och tekniker för att samla in, lagra, bearbeta och analysera stora mängder data samt hur data kan användas för till exempel prediktering, klassificering och mönsterigenkänning. Då dessa metoder kräver stor beräkningskraft, så finns det en nära koppling till forskningen inom parallella datorsystem.

Forskningen vi bedriver sker främst inom AI, maskininlärning, informationsutvinning, storskalig dataanalys, planering och schemaläggning samt optimering. Metoderna som vi utvecklar kan användas inom flera områden till exempel intelligenta beslutsstödsystem, bildanalys och mönsterigenkänning, analys av historiska dokument, hälso- och sjukvård, transport och logistik samt anomali- och avvikelsedetektering.

Parallella datorsystem

Inom området studerar vi datorsystem som innehåller många beräkningsenheter (processorer), till exempel multicore-system, distribuerade system, molnbaserade system, grafikprocessorer samt olika typer av heterogena system. Vi tittar på hur metoder och tekniker för design, implementation och analys av parallella datorsystem ska utformas för att uppfylla kraven på korrekthet, prestanda, robusthet, skalbarhet, resursutnyttjande och energiförbrukning.

Forskarna studerar både hårdvaruaspekter, systemprogramvara och applikationsprogramvara samt interaktionen mellan hårdvara och mjukvara. Tillämpningarna är främst algoritmer och metoder från Big data och AI området, till exempel algoritmer för maskininlärning, informationsutvinning, mönsterigenkänning, och storskalig data- och bildanalys. Då denna typ av algoritmer är beroende av kraftfulla datorsystem, så det finns en nära koppling till forskningen inom Big data och AI.

Inriktning

Intelligenta transportsystem

Inom intelligenta transportsystem handlar forskningen om integrering av elektroniska vägavgifter och hur tågtrafik kan planeras om vid driftstörningar. Fokus ligger på transportpolicyanalyser, simuleringar, utveckling av sökalgoritmer och på att finna hållbara transportlösningar.

Distribuerade system

Inom distribuerade system studeras arkitekturen hos multiprocessorer och i datamolnet (en teknologi baserad på användning av datorer över Internet). Ett annat område är artificiell intelligens och människa-maskininteraktion. Fokus ligger på olika molntjänster och tillämpningar inom sociala nät.

Säkerhet

Inom säkerhetsforskning används maskininlärningstekniker och anomalidetektion (hitta mönster i data som inte överensstämmer med ett fastställt ”normalt” beteende) för att analysera avvikelser i stora datamängder. Fokus ligger på att upptäcka och åtgärda brister inom polis- och försvarsområden, industritillämpningar och bland slutanvändare.

Grafisk bild på en research-tangent

Forskningsmiljö

BigData@BTH

Data will be generated at an ever-increasing rate for the foreseeable future. Added value and cost savings can be obtained by analyzing big data streams. The analysis of large data sets requires scalable and high-performance computer systems. In order to stay competitive and to reduce consumption of energy and other resources, the next generation systems for scalable big data analytics need to be more resource-efficient. The research profile, Scalable resource-efficient systems for big data analytics, combines existing expertise in machine learning, data mining, and computer engineering to create new knowledge in the area of scalable resource-efficient systems for big data analytics. The value of the new knowledge will be demonstrated and evaluated in two application areas (decision support systems and image processing).

The needs and interests of our 9 industrial partners are grouped into industrial challenges. Based on these challenges and in cooperation with our partners we have defined initial sub-projects grouped into four research themes:

  • Research theme A: Big data analytics for decision support
  • Research theme B: Big data analytics for image processing
  • Research theme C: Core technologies (machine learning)
  • Research theme D: Foundations and enabling technologies

Finansiär: KK-stiftelsen 2014-2020

Samarbetspartner: Arkiv Digital AD, Compuverde, Ericsson, Noda Intelligent Systems, Telenor Sverige, and Sony Mobile Communications.

Kontaktperson
: Håkan Grahn, hakan.grahn@bth.se

Läs mer om Big data

Exempel på projekt

Symphony

Symphony

Symphony-projektet syftar till att undersöka och lösa problemet med att exponera tjänster på en marknad i Cloudnative och federerade miljöer, och hantera säkerhets-, konfidentialitets-, integritets- och ursprungsbehov för framtida tillämpningar av digitala samhällen. Genom att överväga användningen av datatjänster för hantering av förnybar energikälla (RES) försöker Symphony-projektet utveckla lösningar för säkring, övervakning och redovisning av servicekedjor med blockchain-baserade tekniker. Dessutom tillämpar Symphony-projektet en kravdriven teknisk strategi som analyserar säkerhetsbehovet för Cloudnative-system och av användarvänligheten för RES, som användaren beaktar. Projektet kommer att implementera en prototyp för exponeringsmodell för tjänster med hjälp av en servicekedja för RES på TRL 4/5 (”Teknologi validerad i labb / relevant miljö (industriellt relevant miljö i fråga om key enabling technologies”).

Läs mer om projektet

Blixten II

Blixten II

Behoven av och potentialen i att införa en större omfattning av beräkningsfunktionalitet som stöd för proaktiv tågtrafikledning har blivit allt tydligare de senaste åren. Det finns ett fåtal system på marknaden som utlovar beräkningsfunktionalitet för att stödja optimerande, proaktiv styrning och planering i realtid vid olika typer av störningar. En sammanställning av aktuellt kunskapsläge visar dock dels att dessa system är utformade efter specifika kontexter, dels är erfarenheter av hur dessa fungerar i praktiken sällan publicerade.

Läs mer om projektet

FLOAT – För bättre flyt i den svenska tågtrafiken

FLOAT – För bättre flyt i den svenska tågtrafiken

FLOAT är ett forskningsprojekt på Blekinge Tekniska Högskola (BTH) som pågår september 2013-mars 2017 och finansieras av Trafikverket via branschprogrammet KAJT. FLOAT-projektets syfte är att utveckla och testa principer och beräkningsmetoder för att stödja svenska tågtrafikledare i deras operativa arbete.

Läs mer om projektet

Spelutveckling med fokus på spelbeteende och preventionsarbete

Spelutveckling med fokus på spelbeteende och preventionsarbete

Forskningsprojektet är inom ett område som spänner över flera forskningsdiscipliner, där det idag finns ett påtagligt forskningsglapp och brist på kommunikation mellan spelteknisk forskning och medicinsk beroendeforskning. Ambitionen är att utveckla ett forskningssamarbete inom vilket vi kan koppla samman kliniska aspekter på spelberoendemekanismer och korrelat med mätning av spelinlevelse, spelbeteende och beroendemekanismer i experimentell miljö och relatera forskningsresultaten till spelutveckling för spelglädje utan spelberoende.

Läs mer om projektet

TRANS-FORM – Med sikte på utveckling av en mer attraktiv kollektivtrafik

TRANS-FORM – Med sikte på utveckling av en mer attraktiv kollektivtrafik

Välfungerande och ändamålsenliga kollektivtrafiksystem är en grundpelare i dagens och framtidens attraktiva, hållbara städer och samhällen. En stadig, omfattande trafikutveckling och marknadsmässiga avregleringar under flera år har dock bland annat bidragit till att samspelet mellan kollektivsystemens olika aktörer blivit mer komplext.

Läs mer om projektet

CONVINcE

CONVINcE

CONVINcE addresses the challenge of reducing the power consumption in IPbased video networks with an end-to-end approach, from the Head End where contents are encoded and streamed to the terminals where they are consumed, embracing the Content Delivery Networks (CDN) and the core and access networks. Energy saving is a key challenge for the European Union and the CONVINcE project contributes to win this challenge. CONVINcE helps the European industry to develop new solutions and products reducing the energy footprint of video delivery networks. The double effect gained is to reduce the energy consumption in Europe and to boost the competiveness of the European industry in the area addressed by the CONVINcE project.

Läs mer om projektet

CCC – Datavetenskapliga analysmetoder för brottsbekämpning

CCC – Datavetenskapliga analysmetoder för brottsbekämpning

Inom Center for Computational Criminology (CCC) vid Blekinge Tekniska Högskola (BTH) har forskning och samverkan bedrivits tillsammans med rättsvårdande myndigheter, främst polisen, sedan 2012. Arbetet finansierades av Tillväxtverket mellan 2012-2014, av Region Blekinge under 2015 och av Vinnova under 2016. Syftet med arbetet inom CCC är att undersöka, utveckla och utvärdera automatiska metoder för att förenkla brottsutredande arbete inom rättsvårdande myndigheter.

Läs mer om projektet

Bonseyes

Bonseyes

Mer information finns på den engelska projektsidan. Direktlänken till Bonseyes finns nedan under läs mer, alternativt gå till den externa länken nedan på sidan.

Läs mer om projektet

AgileSec – Agil utveckling av säkerhetskritiska system

AgileSec – Agil utveckling av säkerhetskritiska system

Mer information finns på den engelska projektsidan. Direktlänken till AgileSec finns nedan under läs mer.

Läs mer om projektet