Zařízení pro efektivní zpracování dat z detektorů ionizujícího zařízení pomocí AI algoritmů – smartchAIn

Poskytovatel

Ministerstvo průmyslu a obchodu

Program

TWIST

Veřejná soutěž

SMPO202600001

Hlavní účastníci

PTS Research, s.r.o.

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

FY02010302

Název projektu anglicky

Device for efficient AI-Based processing of ionization detector data – smartchAIn

Anotace anglicky

The objective of the smartchAIn project is to develop an intelligent hardware and software platform that enables advanced AI-based data processing directly at the point of origin. Traditional approaches, where large volumes of raw detector data are transferred to a PC for later analysis, no longer meet the demands of modern experiments. As data rates exceed the capabilities of conventional DAQ systems, users lose the ability to operate in real time and efficiently manage experimental workflows. The project will design a device combining SoC FPGA and FPGA/GPU accelerators that integrates AI inference into the data-acquisition chain. The system will perform event classification using neural networks (CNN, MLP), anomaly detection, pattern identification, and adaptive real-time decision-making. These AI methods will be complemented by traditional procedures such as signal preprocessing, filtering, clustering, and parameter extraction, forming an intelligent intermediate layer between the detector and the host PC. This approach will reduce data throughput and increase measurement efficiency. AI will select relevant information, generate aggregated data products, and manage data streams to minimize computational load on the host system. The platform will broaden access to modern data-processing techniques, especially for laboratories lacking high-performance computing resources. The project also includes the development of user software, configuration tools, and integration libraries for easy deployment with existing detector systems. The platform will be tested on multiple detector types and measurement scenarios to verify universality, robustness, and AI model accuracy. The result will be a functional device prototype and user-defined AI models (MLP, CNN) for interaction classification.

Kategorie VaV

VV - Experimentální vývoj

OECD FORD - hlavní obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

OECD FORD - vedlejší obor

20201 - Electrical and electronic engineering

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

AF - Dokumentace, knihovnictví, práce s informacemi<br>BC - Teorie a systémy řízení<br>BD - Teorie informace<br>IN - Informatika<br>JA - Elektronika a optoelektronika, elektrotechnika<br>JB - Senzory, čidla, měření a regulace

Zahájení řešení

1. 8. 2026

Ukončení řešení

31. 7. 2028

Poslední stav řešení

Z - Začínající víceletý projekt

Poslední uvolnění podpory

—

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP26-MPO-FY-R

Datum dodání záznamu

25. 8. 2026

Celkové uznané náklady

11 300 tis. Kč

Výše podpory ze státního rozpočtu

7 907 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

3 394 tis. Kč