Biricz, András (2025.11.01 - 2026.04.30)

Kivonat: Ebben a tanulmányban egy moduláris és skálázható módszertant fejlesztettünk ki automatizált, magas minőségű objektumdetekciós adathalmazok előállítására nagyméretű, digitalizált mikroszkópos képekből. A rendszerünk elsősorban pollenszemcsék felismerésére fókuszál, és olyan korszerű, nyílt-világú detekciós modelleket alkalmaz, mint az OWL-ViT, amelyeket egyetlen példaképre épülő (one-shot) jelölési feladatokra használunk.

Az előzetes detekciók további szűrését és finomítását DINOv2-alapú transzformer beágyazások, valamint eloszlás-érzékeny klaszterezési eljárások végzik. A tanítóadatok megbízhatóságának biztosítása érdekében aktív tanulási megközelítést alkalmaztunk, amely során kizárólag tiszta, nagy bizonyosságú példák kerültek be a ViT-alapú Faster R-CNN detektorok finomhangolásába. Ezek a modellek egy iteratív finomító ciklusban további, korábban nem detektált példákat azonosítanak, ezáltal javítva a tanítóhalmaz teljességét.

A megközelítés általánosítható más mikroszkópos alkalmazási területekre is, például orvosi szövettani vagy sejtszintű képelemzési feladatokra. A nagy teljesítményű GPU-erőforrások kulcsszerepet játszottak a nagy felbontású képek feldolgozásában, a transzformer-alapú beágyazási reprezentációk számításában, valamint a mély tanulási modellek nagyléptékű tanításában és kiértékelésében.

Legeza, Örs (2025.11.01 - 2026.04.30)

Kivonat: Az olyan kvantumos rendszerek numerikus szimulációja, melyekben az atomi spinek vagy mozgékony elektronok közötti kölcsönhatás erős és nem lehet leírni ún. perturbációs módszerekkel a modern fizika középpontjában állnak. Ez azonban igen nagy kihívást jelent mert a számítógépes erőforrás általánosságban exponenciálisan skálázódik a rendszer méretével. Olyan algoritmusok kidolgozása, melyeknél ez polinomiális alakra hozható napjaink egyik legintenzívebben kutatott tudományterületének számít.

A sűrűségmátrix renormálási csoport (DMRG) algoritmus éppen egy ilyen módszer, aminek további nagy előnye, hogy a vonatkozó tenzor algebra a megmaradó kvantumszámok tükrében akár egymástól több millió független részfeladatra bontható. Mindez ideális környezetet biztosít MPI és GPU alapú masszív párhuzamosításhoz. A 2021-2024-es év során hibrid CPU és többszörös GPUval gyorsított alkalmazásainkkal már számos kvantumos rendszerre végeztünk szimulációkat, mely eredméneyinkből öt publikáció illetve kéziart is elérhető a Phys Rev B, J. Chem Theory and Comput folyóiratoban, illetve az arxiv-on.

A tervezett kutatási programban tervezünk olyan új fématomokat tartalmazó rendszereket vizsgálni, melyek a konvencionális kvantumkémiai módszerekkel nem lehetségesek, illetve új katalitikus reakciók során kialakuló közbenső állapotok elektronszerkezetének pontos meghatározását. Ezen felül erősen korrelált kétdimenziós fermion rácsmodellek statikus és dinamikus tulajdonságainak szimulációit is tervezzük elvégezni.

Szükséges feltételek: A tesztek elvégzéséhez dedikált node-ra van szükségünk lokális diszk mellett, azaz a teszt ideje alatt mind a nyolc GPU kártyát el kell érnünk és kizárólag saját alkalmazásunk futhat, máskülönben a tesztek eredményei nem lesznek hitelesek. Hasonloan programunk a GPU node teljes rendszerkapacitását kihasználja ezért ilyenkor más jobok nem futhatnak mert összeakadna a memóriakezelés és GPU kihasználás.

Sprok Franciska, Fenyvesi Edit, Kiss Gábor Gyula, Molnár Dénes, Barnaföldi Gergely Gábor (2025.10.01 - 2025.12.31)

Kivonat: Az atommagok bomlási paraméterének hosszú időtartamú állandóságát vizsgáljuk precíziós mérésekkel. Érdeklődésünk fókuszában az áll, hogy fellépnek-e hosszú- vagy rövid távú fluktuációk. Projektünk célja ezen modulációk azonosítása, különös hangsúlyt fektetve az éves-szintű változásokra. Kísérletünkben 137-Cs forrás bomlási rátáját mérjük a Jánossy Földalatti Kutatólaboratóriumban egy HPGe detektorral. Gamma- spektroszkópiát alkalmazunk a forrás elemzésére, több hónapon át óránként gyűjtve adatokat, hogy azonosíthassuk a bomlási ráta rövid- és hosszú távú eltéréseit. A Projektben ezen nagy mennyiségű adat feldolgozása történik masszívan párhuzamosított módszerekkel.

Aswathy Menon Kavumpadikkal Radhakrishnan, Suraj Prasad, Neelkamal Mallick, Barnaföldi Gergely Gábor (2025.09.01 - 2025.12.31)

Kivonat: Az oxigén és a neon atommagok szerkezet jól leírható a klaszter modellben amelyben a magszerkezet He (alfa) részecskékből építhető fel. Ezen magfizikai rendszer szerkezete vizsgálható a folyási harmonikusok mérésével nagyenergiás nehézion-ütközésekben.

Molnár Szabolcs, Bíró Gábor, Papp Gábor, Barnaföldi Gergely Gábor (2025.08.01-2025.12.31)

Kivonat: A HIJING++ kód paramétereinek illesztését végezzük gépi tanulásos módszerekkel a HEPMC3 keretrendszer integrációjával.

Bíró Gábor, Dobos László (2025.01.01-11.30)

Kivonat: A projekt keretében környezeti hang minták mesterséges intelligencia alapú vizsgálata, alkalmazott kutatásokhoz.

Koniorczyk Mátyás (2025.09.01 - 2026.03.31)

Kivonat: A kvantum optimalizáló hardverek, pl. kvantum annealerek fejlődése interdiszciplináris kutatói érdeklődést váltott ki a kvadratikus bináris optimalizálási feladatok területén. Ezeket széles körben tanulmányozták az operációkutatás irodalmában is, valamint a fizikában, ahol Ising spinüvegként ismertek. A jelen projekt célja az ilyen problémák mélyebb strukturális megértése benchmark és gyakorlati feladatokon keresztül, az együttműködő partnereink megoldóprogramjainak használatával: a BiqBin-nel, amely egy klasszikus egzakt megoldó, illetve a SpinGlassPEPS.jl-lel, amely egy tenzorhálózat alapú heurisztika, illetve a kettőt kombinálva. Hozzá kívánunk járulni a megoldók fejlesztéséhez is. A megoldandó feladatok sora az általunk nemrég bevezetett kódelméleti benchmark feladatoktól a vasúti üzemtani alkalmazásokig terjed.

Bakó Bence (2025.03.01-09.30)

Kivonat: A kvantumszámítógépek egyik letöbbet ígérő gépi tanulással kapcsolatos alkalmazása a generatív modellezés, mely bár nagy potenciállal bír, számos kihívással is szembe kell néznie az optimalizáció során. Bizonyos korlátozott és strukturált generatív kvantumos modellek azonban képesek leküzdeni ezeket a betaníthatósági problémákat, miközben lehetővé teszik a lokális várható értékek hatékony klasszikus becslését. Ezek a várható értékek felhasználhatóak a modell betanítására, ezzel megszűntetve a kvantumszámítógép szükségességét az optimalizációs szakaszban. Továbbá léteznek olyan áramköri osztályok, mint például az IQP vagy a matchgate áramkörök, amelyek lehetővé teszik ezt a fajta klasszikus betanítást, miközben a hatékony mintavételezéshez továbbra is elengedhetetlen a kvantumos eszköz használata. Ebben a munkában olyan korlátozott és strukturált generatív kvantumos modelleket vizsgálunk, amelyek fenntartják a klasszikus taníthatóságot, miközben a mintavételezésben kvantumelőnyre tehetnek szert.

Kolarovszki Zoltán (2025.03.01 - 09.30)

Kivonat: A Piquasso, egy nyílt forráskódú kvantumszámítási keretrendszer, lehetővé teszi a fotonikus kvantumáramkörök gyors és skálázható szimulációját. Magas szintű Python programozási felületet biztosít mind a diszkrét, mind a folytonos változójú fotonikus kvantumszámítógépek hatékony szimulációjához. A Piquasso tartalmaz optimalizált numerikus módszereket, nagy teljesítményű C++ implementációkat és gépi tanulási keretrendszer-támogatást, kezelvén a kvantum-szimulációk számítási nehézségét. A HPC-erőforrások kihasználása lehetővé teszi a kutatók számára kvantumelőny-kísérletek vizsgálatát, a hibamérséklési stratégiák tesztelését és a kísérleti eredmények összehasonlítását az idealizált modellekkel. A fotonikus kvantumhardverek folyamatos fejlődésével párhuzamosan a HPC-infrastruktúrára épülő robusztus szimulációs eszközök továbbra is elengedhetetlenek maradnak az elméleti modellek és a valós kvantumszámítási alkalmazások közötti szakadék áthidalásához.

Rakyta Péter (2025.03.01 - 9.30)

Kivonat: A variációs kvantumalgoritmusokat ígéretes jelölteknek tekintik a kvantum előny demonstrálására. Ezek a megközelítések jellemzően parametrizált kvantumáramkörök tanítását jelentik egy klasszikus optimalizálási cikluson keresztül. Ennek során gyakran szembesülünk olyan kihívásokkal, amelyek az exponenciálisan csökkenő gradienskomponenseknek tulajdoníthatóak. Munkánk során bevezetünk egy újszerű optimalizálási megközelítést, amelynek célja, hogy enyhítse ezen numerikus kihívások negatív hatásait. Ellentétben a hagyományos gradiens alapú módszerekkel, a megközelítésünk keresési irányok mentén történő optimalizáción alapul. Az optimalizálási keresési irányt, valamint a keresés tartományát a költség-funkciós táj távoli jellemzői határozzák meg. Optimalizálási stratégiánkat sikeresen alkalmaztuk 16 qubites és 15000 összefonódást generáló kvantumkaput tartalmazó áramkörökre.

Horváth Anna, Aneta Magdalena Wojnar, Barnaföldi Gergely Gábor (2024.12.01 - 2025.03.31)

Kivonat: Tömeges és nulla tömegű részecskék viselkedését vizsgáljuk erős gravitációs térben, egy extra térdimenzió bevezetése mellett. Egy Schwarzschild-szerű megoldást vizsgálunk a Klauza-Klein modellben, és annak lehetséges megfegyelési köveztkezményeit az általános reletivitáselmélethez képest. Görbületek és a határozatlansági reláció módosulhat, ami eltérő termodinamikai viselkedéshez vezet.