El grup de recerca en Intel·ligència artificial distribuïda (DAI) duu a terme activitats de recerca i innovació en IA explicable i distribuïda, percepció multimodal amb IA i tecnologies de cognitive cloud. El grup té una trajectòria extensa en projectes europeus d’R+D, projectes de recerca i innovació finançats a Catalunya i a Espanya, i col·laboracions amb empreses privades i el sector públic. El grup elabora i actualitza de manera contínua un full de ruta de recerca per orientar les seves activitats i detectar nous camps d’exploració. Un dels valors afegits del grup DAI és la seva missió de potenciar les capacitats globals d’i2CAT en IA i fomentar sinergies amb la resta de grups de recerca del centre.
La línia de recerca “IA de confiança” se centra en el desenvolupament de sistemes d’IA fiables, ètics i sostenibles. Integra la IA centrada en les persones, amb èmfasi en la IA explicable i la IA generativa responsable. També investiguem la IA descentralitzada per a sistemes distribuïts segurs i escalables. A més, aprofundim en la IA quàntica, estudiant com la computació quàntica pot impulsar algoritmes d’IA d’alta dimensionalitat i gran eficiència.
En aquesta línia, complementem les nostres tecnologies d’IA amb recerca avançada en arquitectures de dades distribuïdes i les seves optimitzacions. Treballem específicament en noves optimitzacions d’eficiència i privacitat centrades en IA, com ara anonimització, agregació i compressió de dades. També aprofundim en optimitzacions de dades dirigides per IA, especialment per a sistemes distribuïts de data lake i de gestió edge-cloud.
Group leader
Miguel Angel Veganzones
Àrees
Intel·ligència artificial distribuïda
Bowler, Alexander, et al. “Predicting Alcohol Concentration during Beer Fermentation Using Ultrasonic Measurements and Machine Learning.” (2021).
Escuder Folch, S., Graupera-Serra, O., Calvo, A., Muñoz, B., Gutiérrez, G., Escrig, J., & Compastié, M. (2026). MTS-GAN: Synthetic multivariate time series generation with the Mamba architecture. Knowledge-Based Systems, 115996. https://doi.org/10.1016/j.knosys.2026.115996
Ferrer, E., Escrig, J., Alarcón, E., Park, H., Ruiz-De-Azua, J. A., & Kaneko, M. (2026). Traffic-aware Multi-Agent Reinforcement Learning-based Distributed Routing for Low Earth Orbit Satellite Network. IEEE Open Journal of Vehicular Technology.
Watson NJ, Bowler AL, Rady A, Fisher OJ, Simeone A, Escrig J, Woolley E and Adedeji AA (2021) Intelligent Sensors for Sustainable Food and Drink Manufacturing. Front. Sustain. Food Syst. 5:642786. doi: 10.3389/fsufs.2021.642786
Antoun, M., Elhajj, I. H., Sayour, M., Papadopoulos, P. K., Zarpalas, D., Rizk, A., Huerta, I., Toledo, L., … & Asmar, D. (2025). Interactive digital twins enabling responsible extended reality applications. Scientific Reports, 15(1), 34539 https://doi.org/10.1038/s41598-025-17855-9
Oliver J Fisher, Nicholas J Watson, Josep E Escrig, Rob Witt, Laura Porcu, Darren Bacon, Martin Rigley, Rachel L Gomes, “Considerations, challenges and opportunities when developing data-driven models for process manufacturing systems”, Computers & Chemical Engineering, Volume 140, 2020. https://www.sciencedirect.com/science/article/abs/pii/S0098135419308373
7 de febrer de 2022
