نام مسئول هسته: مهران رضایی

دانشکده مرتبط : مهندسی کامپیوتر

تیم راهبری هسته:

دانشجویان تحت راهنمایی تیم راهبری هسته (با موضوع پروپوزال مصوب در راستای برنامه پژوهشی هسته):

پژوهشگران پسادکترا یا دستیار پژوهشی (کنونی) با منابع خارج از دانشگاه مانند صندوق حمایت از پژوهشگران یا بنیاد ملی نخبگان و غیره

طرح برون‌دانشگاهی یا گرنت جذب شده جاری یا خاتمه یافته در ۵ سال گذشته توسط اعضای تیم راهبری هسته

برنامه پژوهشی هسته:

در دانشکده مهندسی کامپیوتر، سه حوزه به عنوان اولویت‌های پژوهشی در نظر گرفته شده که شامل «هوشمندسازی و هوش مصنوعی»، «اینترنت اشیاء» و «کلان داده» می‌باشد. هسته پژوهشی « شتاب» با هر سه این حوزه مرتبط است. بطور واضح اولویت اول در لیست فوق یعنی «هوشمندسازی و هوش مصنوعی» مستقیما مد نظر هسته پژوهشی ما می‌باشد. شبکه‌های عصبی و یادگیری عمیق گرایش پیشرو هوش مصنوعی در حال حاضر و آینده قلمداد می‌شود. در هسته پژوهشی ما بالابردن کارایی شبکه‌های عصبی عمیق هدف می‌باشد که البته با شتاب دهنده‌های سخت‌افزاری این هدف را دنبال خواهیم کرد. در مورد حوزه دوم یعنی «اینترنت اشیاء» خاطر نشان می‌گردد که فاز استنتاج شبکه‌های عصبی عمیق بروی دستگاه محدود (Tiny MLs) توسط پژوهشگران صنعت و دانشگاهی، اخیرا مدنظر قرار گرفته، چرا که دستگاههای محدود (از نظر انرژی مصرفی و میزان کارایی) کنترل کننده‌های (به عنوان مثال) خودروهای خودران می‌باشند. این کنترل کننده‌ها همان شتاب‌دهنده‌های سخت‌افزاری هستند که رکن اصلی هسته پژوهشی ما محسوب می‌شوند. آخرین حوزه مد نظر در اولویت‌های دانشکده مهندسی کامپیوتر، یعنی «کلان داده»، که پدرخوانده آن «انبارداده» است، از یک جهت استخراج اطلاعات از دل داده معرفی می‌شود که با حجیم و کلان شدن داده نیاز به شتاب‌دهنده‌های سخت‌افزاری با روش هوش مصنوعی برای استخراح اطلاعات دارد. بنابراین هسته پژوهشی «شتاب» در راستای تحقق هر سه اولویت پژوهشی دانشکده می‌باشد.

بر هیچ انسان فرهیخته، متفکر و صاحب فکری پوشیده نیست که دنیای پیشرفته و صنعت فناوری اطلاعات غالب امروز حول محور هوش مصنوعی دوران دارد. المان اصلی هوش مصنوعی یادگیری عمیق است که هسته مرکزی آنرا شبکه‌های عصبی عمیق تشکیل می‌دهند. از کنترل خودروهای خودران گرفته تا چت بات‌ها، معضل اصلی و مسئله اساسی در سرعت و صحت پیش‌بینی نهفته است. مسیر حرکت و یافتن موقعیت خودروها در جاده، پیش بینی قیمت سهام (ارز، مسکن، خودرو، صنعت فولاد، پتروشیمی)، تشخیص چهره و برچسب گذاری براساس پردازش سیگنال تصویر، احراز هویت براساس صحبت و سیگال صوت، استخراج اطلاعات از متون به زبانهای مختلف و مسائل امنیتی ناشی از آن، تاثیر گذاشتن بر خرید مشتری، همگی از نمونه کاربردهای یادگیری عمیق هستند.

سوال این است که چه لزومی به شتاب دهنده‌های سخت‌افزاری است تا شبکه های عصبی را اصطلاحا در فاز اموزش (train) و یا در فاز استنتاج (inference)، یاری دهد. «مقیاس و مقیاس پذیری» در حال حاضر نیروی بازدارنده در یادگیری عمیق محسوب می‌شود. «مقیاس و مقیاس پذیری» در دو جهت یادگیری عمیق را به چالش می کشد، یکی حجم افزایشی داده و دیگری پیچیده تر شدن و عمیق شدن مسائلی که با یادگیری عمیق حل می‌شوند. در این صورت راه‌حل‌های نرم‌افزاری برای فاز آموزش و (مهمتراز آن) فاز استنتاج، پیش‌بینی را با تاخیر مواجه می‌کند و کارایی راه حل یادگیری عمیق مورد سوال واقع می‌شود. اینجاست که شتاب‌دهنده‌های سخت‌افزاری، محرک اصلی برای راه‌گشایی مشکل «مقیاس و مقیاس‌پذیری» می‌شوند و یادگیری عمیق را در دو فاز آموزش و استنتاج عملیاتی می‌کنند.

بنابراین هسته پژوهشی « شتاب» در صدد است تا یکی از بروزترین و مهمترین مسائل حال و آینده کشور را مورد بررسی، مطالعه و کنکاش قرار دهد. با یک تیم قوی از سه جهت، «معماری کامپیوتر»، «پیاده‌سازی سخت‌افزاری روی بردها و تراشه‌های FPGA» و «هوش مصنوعی – بطور خاص شبکه های عصبی کانولوشنی و بازگشتی»، بر این باور هستیم که انشالله با محصولهای کاربردی، صنایع پیشرو و نظامی را در این راستا یاری خواهیم کرد.

بنا به آنچه در اساس نامه گرنت فیروزه ای عنوان شده است، قرار بر این است که ۴ پژوهش حمایت شده اولیه (پسا دکترا، دانشجوی دکترا و دو دانشجوی ارشد) گرنت فیروزه ای، حول محور اصلی هسته با چشم اندازی نزدیک و مرتبط به هدف ذکر شده در عنوان هسته انتخاب شوند. عنوان مدنظر برای جذب پسادکترا «مطالعه محدودیت های سخت افزاری مدلهای بزرگ زبان (Large Language Models)» خواهد بود. در همین راستا موضوع رساله دکترا برای دانشجوی دکترای هسته، مطالعه محدودیت های حافظه ترانسفورمرها در گام پیش آموزش، آموزش و استنتاج می باشد. دانشجویان ارشد جذب شده بواسطه حمایت مالی گرنت فیروزه ای بر روی پیاده سازی FPGA شبکه های عصبی عمیق و شبکه های عصبی بازگشتی کار خواهند کرد. انچه در صفحه ۲ (عناوین پژوهش های دانشجویان دکترا و ارشد) و صفحه ۳ (عناوین طرح های برون دانشگاهی تیم راهبری هسته) امده است، بیانگر این است که مسیر اصلی این هسته پیاده سازی بهینه شبکه های عصبی (نرم افزار و سخت افزار) می‌باشد. بنابراین هدفمند بودن این هسته مبرهن و واضح است. در مورد دست اوردهای هسته در سه سال مورد حمایت دانشگاه، نیاز است ذکر شود که پتانسیل جذب گرنت از خارج دانشگاه توسط تیم راهبری با سابقه عنوان شده در صفحه ۳ مشهود است. دیده می شود که در چند سال اخیر نزدیک به یک میلیارد تومان توسط تیم راهبری این هسته وارد دانشگاه شده است. در مورد انتشار مقاله در مجله های معتبر نیز باید عنوان کرد که موتور این هسته روشن شده است. با یک مطالعه اجمالی مقاله های منتشر شده توسط تیم راهبری بخوبی می توان پیش بینی کرد که آینده درخشانی در این زمینه در انتظار این هسته می باشد.

بدنبال مقدمه فوق، در باب برنامه پژوهشی، لازم می دانیم که در زیر با جزئیات بیشتر به فعالیت های سه سال اینده این هسته بپردازیم.

ما سه سال فعالیت هسته پژوهشی «شتاب» را در سه راستا هدف‌گذاری کرده ایم که در زیر مفصل به آنها خواهیم پرداخت. سال اول به ساختارمند کردن نرم‌افزاری و سخت‌افزاری هسته پژوهشی اختصاص داده شده است. سال دوم را سال شکوفایی نام گذاری می‌کنیم و سال سوم سال استمرار خواهد بود.

§ برنامه سال اول: سال زیرساخت و استقرار

· هدف اصلی - ساختارمند کردن نرم‌افزاری و سخت‌افزای هسته پژوهشی شتاب

فعالیت‌ها:

· تلاش برای پیداکردن محیط فیزیکی مناسب برای ازمایشگاه شتاب در داخل دانشگاه

· راه اندازی آزمایشگاه شتاب: برنامه ریزی برای خرید تجهیزات سخت‌افزای مورد نیاز (تامین و تهیه بودجه)، نصب نرم‌افزارهای مورد نیاز

· برنامه ریزی برای حمایت و حقوق ماهانه دانشجویان و پسادکتراها

· تشکیل تیم کارمندی و جذب کارمند از طریق کار دانشجویی برای انجام کارهای دفتری

· برنامه ریزی برای جذب سه پسادکترا (در هر سال یکی) و تامین بودجه – لازم به توضیح است که این گروه از پژوهشگران را بنا داریم مضاف بر تیم چهارنفره حمایت شده توسط گرنت فیروزه ای و با گرنت جذب شده از خارج دانشگاه استخدام کنیم.

· برنامه ریزی برای فارغ‌التحصیل کردن دانشجویان کنونی، جذب بهترین آنها از طریق طرح امریه و یا پسا دکترا

· مطالعه بازار و پیدا کردن نیاز مشتری (دقت بفرمایید مشتریان ما شرکت ها و کارخانه های بزرگ هستند و بازار هدف ما در گام اول ایران و در گامهای بعدی خاورمیانه می‌باشد)

· مطالعه عمیق، دقیق و هدفمند پیشینه پژوهش در سه جهت، طراحی معماری سیستم شتاب دهنده های سخت افزاری شبکه های عصبی عمیق، سخت افزار قابل بهره برداری اعم از جی پی یوها و تراشه های اف پی جی ای، شبکه های عصبی عمیق

· پیدا کردن مشتری برای محصول (محصول ما «شتاب دهنده سخت افزاری شبکه های عصبی عمیق» می باشد و فکر می کنیم مشتریان خوبی برای این محصول وجود دارد، ولی بدون تقاضا و مطالعه نیازمندی های مشتریان نیز، قصد نداریم محصول بسازیم. بلکه پس از پیدا کردن مشتری با او تعامل خواهیم کرد و محصول مورد نیازش را خواهیم ساخت)

اهداف:

· داشتن فضایی فیزیکی تجهیز شده به عنوان مرکز هسته «شتاب»

· ایجاد انگیزه برای جذب و نگهداری تیم و پرسنل خوب پژوهشی

· استقرار تیم پژوهشی و پرسنلی هسته «شتاب»

· مدیریت دانش و سلسله مراتب مستندات و نگهداری و استفاده از آنها

· جذب گرنت های خارج از دانشگاه

§ برنامه سال دوم: سال شکوفایی

· هدف اصلی - ساخت محصول (محصول اولیه و یا به قول معروف prototype)

فعالیت‌ها

· ساخت نمونه اولیه محصول

· انتشار برون دادهای پژوهشی، اعم از مقاله‌های ژورنالی و ثبت اختراع

· برگزاری سخنرانی‌های علمی در دانشگاههای مطرح ایران

· برگزاری حداقل یک کارگاه تخصصی شتاب دهنده‌های سخت‌افزاری شبکه های عصبی عمیق و برنامه ریزی برای اولین کنفرانس با عنوان «شتاب دهندهای سخت افزاری یادگیری عمیق»

اهداف

· برقراری ارتباط با صنعت، دانشگاهها و موسسه‌های پژوهشی مطرح ایران، موسسه‌‌های آموزشی و پژوهشی مطرح دنیا

· جذب نیروی انسانی کارآمد

· ایجاد درآمد از فروش محصول

· ارتقاء آزمایشگاه های دانشکده مهندسی کامپیوتر و دانشکده فنی و مهندسی (گروه برق)

§ برنامه سال سوم: سال استمرار

· هدف اصلی – برنامه‌ریزی برای ادامه

فعالیت‌ها

· جمع‌آوری بازخورد از صنعت و دانشگاه

· مطالعه دقیق و عمیق عملکرد دوسالی که گذشت

· تحلیل، تفسیر و تعبیر بازخوردها و عملکرد دوساله

· بررسی جنبه‌های متفاوت نتایج از گام قبل (تحلیل، ...)، و پیامد آنها

· برنامه ریزی برای پروپوزال‌های جدید در جهت جذب حمایت مالی از داخل و خارج دانشگاه

· تنظیم صورت مالی، جذب مشاور مالی و حقوقی

· برآورد مخارج و درآمد

· برنامه ریزی برای غربالگری و جذب نیروی انسانی

اهداف

· رسیدن به برنامه‌ریزی بهتر از آنچه در دو سال اول گذشت

· گسترش قطعه هدف مشتری (رفتن به سمت بازار خاور میانه)

· رشد در ابعاد متفاوت، اعم از نیروی انسانی، تجهیزات ازمایشگاهی (سخت افزاری و نرم‌افزاری) و فضای فیزیکی