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
D. Sarabia-Jácome and M. Catalán, «Robust and High-Performance Indoor Positioning: A Two-LED Fisheye VLP System with Optimized Beacon Placement Strategy,» IEEE Open Journal of the Communications Society, 2026.
Graupera-Serra, O., Rosado, A.B., Puga Creus, E. et al. A Multi Utility Dataset of Water and Energy Consumption from Spanish Residential Households. Sci Data (2026). https://doi.org/10.1038/s41597-026-08485-5
Mercadé, S., Tarzan, M., Alzueta, D. et al. IRIS-AI: An AI-Based Resource Recommender for Emergency Decision Support Systems of Fire Departments. Int J Comput Intell Syst 18, 280 (2025). https://doi.org/10.1007/s44196-025-00994-2
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.
8 de juny de 2026
7 de febrer de 2022
