رئیس دانشکده برق شریف: تمرکز بر دوقلوهای دیجیتال برای صنایع نفت، گاز و پتروشیمی

حوزه‌های کلیدی تحقیقات و زیرساخت‌های نوین

تحقیقات در دانشکده مهندسی برق شریف در چند حوزه اصلی دنبال می‌شود. علاوه بر تمرکز سنتی بر مخابرات و شبکه‌های مخابراتی، بخش قابل توجهی از فعالیت‌ها به موضوع هوش مصنوعی و کاربردهای آن در مهندسی برق، زمینه‌های زیستی و اخیراً کاربردهای صنعتی اختصاص یافته است.

• کاربرد هوش مصنوعی در شبکه‌های هوشمند: استفاده از هوش مصنوعی در شبکه‌های انتقال انرژی (Smart Grid).
• رباتیک و هوش مصنوعی: ترکیب این دو حوزه برای ایجاد ارزش واقعی.
• مدل‌های زبانی بزرگ (LLMs): تمرکز شدید بر استفاده از مدل‌هایی مانند ChatGPT در رباتیک، شبکه‌های مخابراتی و انتقال انرژی.

در راستای توسعه زیرساخت‌ها، این دانشکده با همکاری همراه اول، فضای 5G Lab را در آزمایشگاه‌ها و مرکز خدمات فناوری راه‌اندازی کرده است.

تأثیر مدل‌های زبانی بزرگ بر مهندسی

به گفته رئیس دانشکده برق شریف، ظهور مدل‌های زبانی بزرگ تغییرات جدی در حوزه‌های مختلف، به‌خصوص نرم‌افزار و برنامه‌نویسی ایجاد کرده است. فرآیند کدنویسی به‌شدت به سمت «اتوماسیون و خودکارسازی» پیش رفته است.

در بعضی حوزه‌ها مثل کدنویسی، ابزارهای هوش مصنوعی بسیار قوی ظاهر می‌شوند. اگر قبلاً تیمی ۱۰ نفره کاری را پیش می‌برد، امروز شاید دو یا سه نفر با کمک مدل‌هایی مثل ChatGPT قادر به انجام همان کار باشند.

بر همین اساس، دانشکده مهندسی برق شریف تلاش کرده است زمینه‌هایی را شناسایی کند که ضمن بهره‌گیری از این ابزارهای جدید (بخش نرم‌افزاری)، ارزش تولیدی آن‌ها متأثر از این ابزارها نباشد و ماهیت سخت‌افزاری نیز داشته باشد. این رویکرد در حوزه‌هایی مانند رباتیک، شبکه‌های مخابراتی (با استفاده از تجهیزات سخت‌افزاری مانند BTSها و سوئیچ‌ها) و شبکه‌های انتقال انرژی دنبال می‌شود.

اولویت: پیاده‌سازی بر سیستم‌های واقعی

تمرکز تحقیقات در دانشکده برق شریف صرفاً بر انتشار مقاله نیست، بلکه هدف مهم‌تر، داشتن خروجی‌های قابل ارائه و ملموس است. این رویکرد مطابق با دانشگاه‌های معتبر دنیاست که تأکید دارند پژوهشگر باید مدل هوش مصنوعی را روی سیستم واقعی آزمایش کند و داده‌های واقعی ارائه دهد.

برای تحقق این هدف، تلاش شده است سخت‌افزارهای لازم فراهم شود تا امکان جمع‌آوری داده‌های واقعی از ربات‌ها و شبکه‌های مخابراتی، تحلیل آن‌ها و بازگرداندن نتایج به سیستم واقعی فراهم گردد.

مفهوم محوری «دوقلوهای دیجیتال» (Digital Twin)

یکی از حوزه‌های مهمی که اکنون در دانشکده برق شریف روی آن متمرکز هستند، مفهوم «دوقلوهای دیجیتال» است. در این رویکرد، برخلاف شبیه‌سازی‌های سنتی، شبکه شبیه‌ساز و سیستم واقعی به‌طور مداوم به یکدیگر متصل هستند.

عملکرد دوقلوهای دیجیتال

داده‌های واقعی از حسگرهای سیستم فیزیکی (مانند کارخانه یا موتور) دریافت و به شبیه‌ساز منتقل می‌شود. شبیه‌ساز با استفاده از این داده‌های واقعی، مدل سیستم را دائماً به‌روز می‌کند و سپس بر اساس مدل به‌روز شده، تغییرات لازم در سیستم واقعی اعمال می‌شود. این فرآیند منجر به افزایش چشمگیر کارایی می‌شود، هرچند نیازمند هزینه اضافی برای نصب حسگرها و زیرساخت شبکه است.

همکاری با صنعت برای توسعه دوقلوهای دیجیتال

تمرکز اصلی دانشکده مهندسی برق در این زمینه بر سیستم‌های صنعتی است. این دانشگاه با مجموعه‌های بزرگ کشور در حوزه‌های زیر همکاری داشته است:

• پتروشیمی
• نفت و گاز
• مخابرات

این تلاش‌ها با هدف جمع‌آوری داده‌های واقعی و جا انداختن مبانی دوقلوهای دیجیتال در صنعت کشور انجام می‌شود. همچنین، معاونت علمی ریاست‌جمهوری در بخش هوش مصنوعی برای توسعه زیرساخت‌های لازم و پروژه سکوهای هوش مصنوعی کمک کرده است.

کاربرد در حوزه سلامت

کاربرد دوقلوی دیجیتال در حوزه سلامت شامل مدل‌سازی مداوم وضعیت جسمانی و سلامتی فرد بر اساس داده‌های لحظه‌ای است که توسط دستگاه‌های هوشمند (مانند ساعت یا انگشتر هوشمند) جمع‌آوری می‌شود. این مدل می‌تواند در صورت مشاهده تغییرات نگران‌کننده، به پزشک هشدار دهد.

چالش حاکمیت داده و ارتباط دانشگاه و صنعت

حوزه دوقلوی دیجیتال به ساده‌تر شدن ارتباط بین دانشگاه و صنعت کمک شایانی کرده است؛ زیرا در صورت دسترسی به داده‌ها، پردازش و تحلیل آن‌ها و بازگرداندن نتایج به صنعت با استفاده از پلتفرم‌ها به‌راحتی قابل انجام است. با این حال، موضوع حاکمیت داده همچنان یک چالش مهم در کشور است که باید برای تسهیل این همکاری‌ها حل شود.