Výsledky hodnocení vědy na CIIRC dle M17+

Vědecké výsledky institucí v České republice jsou každoročně hodnoceny Ministerstvem školství, mládeže a tělovýchovy podle Metodiky 2017+ (M17+), která slouží k posouzení kvality výzkumných výstupů a zároveň ovlivňuje výši institucionální podpory poskytované z rozpočtu MŠMT. Hodnocení vybraných výsledků dodaných dle interního výběru dané instituce probíhá na pětibodové škále, kde známky 1 a 2 představují excelentní nebo velmi dobré výsledky.

Výsledky CIIRC ČVUT a srovnání s národním kontextem

Rok 2024 potvrdil excelentní kvalitu vědecké práce na CIIRC ČVUT: podíl výsledků hodnocených známkou 1 dosáhl 50 %, což navazuje na mimořádně vysoký podíl 71,4 % v roce 2023. V souhrnu za období 2020–2024 činí podíl hodnocení známkou 1 41 %.  Tedy výrazně více než u celkového hodnocení roku 2024 za všechny instituce (10,4 %) i za celé ČVUT (9,9 %). V dlouhodobém hledisku let 2020 – 2024 zůstává hodnocení známkou 1 v rámci celé ČR i ČVUT na úrovni 10 – 12 %. CIIRC ČVUT se tak stabilně řadí mezi instituce s vysoce nadprůměrnými výsledky. Další informace naleznete v tabulce níže. 

Top hodnocené výsledky

Mezi nejlépe hodnocené výsledky CIIRC ČVUT za rok 2024 (známka 1 a 2) patří

• Němý, Milan;Dyrba, M.;Brosseron, F.;Buerger, K.;Dechent, P.;Dobisch, L.;Ewers, M.;Fliessbach, K.;Glanz, W.;Goerss, D.;Heneka, M.T.;Hetzer, S.;Incesoy, E.I.;Janowitz, D.;Kilimann, I.;Laske, C.;Maier, F.;Munk, M.H.;Perneczky, R.;Peters, O.;Preis, L.;Priller, J.;Rauchmann, B.-S.;Röske, S.;Roy, N.;Scheffler, K.;Schneider, A.;Schott, B.H.;Spottke, A.;Spruth, E.J.;Wagner, M.;Wiltfang, J.;Yakupov, R.;Eriksdotter, M.;Westman, E.;Štěpánková, Olga;Vysloužilová, Lenka;Düzel, E.;Jessen, F.;Teipel, S.J.;Ferreira, D. (2023). Cholinergic white matter pathways along the Alzheimer’s disease continuum. Brain, 146(5), 2075-2088. https://doi.org/10.1093/brain/awac385

Tento výzkum představuje významný přínos ke studiu Alzheimerovy choroby, neboť rozvíjí dosavadní poznatky v této oblasti. Jeho výsledky mají zásadní význam nejen pro včasnou a diferenciální diagnostiku Alzheimerovy choroby, ale také pro sledování jejího průběhu. Identifikací poruch cholinergního systému již ve fázi před propuknutím onemocnění tato práce nabízí nové možnosti pro včasný terapeutický zásah.

Studie byla publikována jako původní článek v časopise Brain, jednom z nejprestižnějších neurologických periodik. Publikace je výsledkem dlouhodobé spolupráce CIIRC ČVUT, Karolinska Institute ve Švédsku a German Center for Neurodegenerative Disease v Německu.

• Yu, Z.;Peng, S.;Niemeyer, M.;Sattler, Torsten;Geiger, A. (2022). MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction. Advances in neural information processing systems, 35, 25018-25032.

Tato práce se zabývá problémem přesné rekonstrukce povrchu 3D scény z množiny snímků s známými vnitřními a vnějšími parametry kamer. Jedná se o důležitý úkol, protože tvorba vysoce kvalitních 3D modelů je klíčovým krokem pro aplikace, jako je autonomní řízení, průmysl 4.0 (v kontextu digitálních dvojčat), dokumentace památek kulturního dědictví či tvorba obsahu pro zábavní průmysl (např. filmy, hry apod.).

Práce byla publikována na konferenci Neural Information Processing Systems (NeurIPS 2022), která patří mezi nejcitovanější vědecká fóra – podle aktuálního hodnocení Google Scholar se NeurIPS umístil na 7. místě mezi všemi vědeckými konferencemi. Tímto článkem byla také zahájena dlouhodobá spolupráci mezi University of Tübingen a CIIRC ČVUT.

• Guzov, V.;Mir, A.;Sattler, Torsten;Pons-Moll, G. (2021). Human POSEitioning System (HPS): 3D Human Pose Estimation and Self-localization in Large Scenes from Body-Mounted Sensors. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 4318-4329).

Tato práce se zabývá problémem odhadu polohy člověka v (potenciálně rozsáhlé) scéně a jeho fyzické pozice s využitím pouze nositelných senzorů – inerciálních jednotek (IMU) a kamery umístěné na hlavě. Odstraněním potřeby externích kamer pro snímání polohy a držení těla člověka tento přístup poprvé umožňuje snadné škálování na rozsáhlé a složité scény s mnoha překážkami (např. knihovny s množstvím uliček), protože eliminuje nutnost instalace a kalibrace rozsáhlých soustav kamer.

Práce byla publikována na konferenci International Conference on Computer Vision and Pattern Recognition (CVPR 2021), která se podle hodnocení Google Scholar řadí na 2. místo mezi všemi vědeckými fóry, hned za časopis Nature.

• Vlk, Marek;Hanzálek, Zdeněk;Brejchová, Kateřina;Tang, S.;Bhattacharjee, S.;Fu, S. (2020). Enhancing Schedulability and Throughput of Time-Triggered Traffic in IEEE 802.1Qbv Time-Sensitive Networks. IEEE Transactions on Communications, 68(11), 7023-7038. https://doi.org/10.1109/TCOMM.2020.3014105

Díky standardům vyvinutým pracovní skupinou IEEE Time-Sensitive Networking (TSN) byla klasická ethernetová architektura IEEE 802.1 rozšířena tak, aby splňovala požadavky na provoz v reálném čase a bezpečnostní nároky moderních kyber-fyzikálních systémů. Přínos spočívá v efektivnějším využití komunikačního hardwaru. Studie ukazuje, že navrženou metodu lze použít v časově kritických aplikacích a že algoritmus dokáže efektivně řešit NP- těžké optimalizační úlohy. 

Vynález popsaný v článku byl vybrán patentovým výborem společnosti Huawei, jednoho z předních světových výrobců síťových přepínačů, a na jeho základě byl udělen patent v EU, USA a Číně. Práce vznikla ve spolupráci s výzkumným centrem Huawei v Mnichově. Obě strany společně definovaly problém – tým ČVUT navrhl hardwarové vylepšení, problém formalizoval, vyvinul algoritmus a provedl jeho výkonnostní vyhodnocení, zatímco Huawei zajistil experimentální ověření na reálném hardwaru a sestavách.

• Yang, A.;Miech, A.;Šivic, Josef;Laptev, I.;Schmid, C. (2021). Just Ask: Learning To Answer Questions From Millions of Narrated Videos. Proceedings of the IEEE/CVF international conference on computer vision (pp. 1686-1697).

Tato práce popisuje přístup k úloze zodpovídání dotazů s využitím videa, jejímž cílem je na základě vstupního videa a otázky ve formě přirozeného jazyka poskytnout odpověď rovněž v přirozeném jazyce. Jedná se o náročný úkol, protože vyžaduje hluboké porozumění jak obsahu videa, tak i významu otázky. Článek přinesl dvě klíčové inovace: zaprvé automatický postup pro vytváření rozsáhlých datových souborů video–otázka–odpověď z přepsaných video narací pomocí modelu pro automatické generování otázek; zadruhé nový trénovací postup založený na kontrastní ztrátové funkci, který umožňuje pracovat s otevřenou slovní zásobou různorodých odpovědí v reálných datech. Navržená metoda dosáhla vynikajících výsledků a posunula stav poznání v této oblasti, zejména při testování na dosud neviděných datech (tzv. zero-shot scénář).

Práce byla publikována na konferenci IEEE/CVF International Conference on Computer Vision (ICCV 2021), která spolu s CVPR a ECCV patří mezi nejprestižnější konference v oblasti počítačového vidění. Podle hodnocení Google Scholar je ICCV druhým nejlepším fórem v oblasti Computer Vision a 13. nejcitovanějším vědeckým fórem vůbec.

• Mamula, Ondřej;Hrycej, David;Vlk, Tomáš;Stejskal, Petr;Šůcha, Přemysl;Vlasák, Jiří. (2023). Optimalizační algoritmy pro řízení hybridního zdroje PpS. Poloprovoz.

Unikátní řídicí algoritmus byl vyvinut pro hybridní elektrárnu Energy Nest, která kombinuje šest plynových turbín s jedním z největších bateriových úložišť v Česku. Elektrárna zajišťuje podpůrné služby pro stabilizaci elektrické sítě – klíčový prvek pro přechod od uhlí k obnovitelným zdrojům, které samy o sobě stabilizační výkon dodat neumějí. Inovace spočívá v pokročilé optimalizaci řízení turbín a baterie, které pracují současně a dosahují tak maximální účinnosti, nižší spotřeby plynu a menší ekologické zátěže. Algoritmus využívá digitální dvojče elektrárny a byl integrován do platformy Siemens, což umožňuje jeho snadné nasazení po celém světě. Projekt, realizovaný ve spolupráci s britskou firmou Centrax, již běží v praxi od července 2024 a představuje průlomové řešení pro stabilní a udržitelnou energetiku budoucnosti.

Proces hodnocení

Výsledky, které vstupují do hodnocení jednotlivých institucí, vybírají samy instituce na základě interního výběru nejvýznamnějších a nejkvalitnějších publikací či aplikovaných výstupů. Více o metodice 17+ naleznete zde: https://m17.rvvi.cz/

Podíl top hodnocených výsledků na všech institucích v ČR / ČVUT / CIIRC v letech 2020 – 2024