研究创新电子工程学院

研究主题

AI机器学习

人工智能公司关注计算机执行目前只对人可行的任务AI内机器学习旨在搭建计算机学习决策或执行任务人造智能机器学习所有领域的创新研究包括:

深神经网
深学习
自然语言处理组
语义学、概念论和推理
多代理系统
推荐系统

教职成员

高级网络技术提供线支持今日在线服务对视频流和视频会议、云计算、智能住宅和城市、电话支付和分散金融以及其他许多需要网络连通性服务的需求日益增加,这刺激了我们对未来通信网络的研究。

团队探索多输入多输出通信等无线比特率提高模型并改进无线电波传播模型,在车辆间通信等富有挑战性环境提供无线服务固定或联动网络中,我们探索优化网络资源设计和互连性,如数据中心和广域网交换机和路由器

开发并增强网络协议支持所有服务应用通过今天和明天无线固定网络

我们在所有通信网络和未来通信领域进行创新研究,包括:

5G+
数据网络
无线通信

教职成员

计算机视觉领域人工智能培训计算机理解视觉世界机器使用摄像头和视频数字图像以及深学习模型,可以精确识别对象并分类,然后对它们所看到的东西作出反应。

我们在所有计算机视觉领域进行创新研究,包括:

图像处理分析
工业远见
消费者
生物医学
三维可视化
增强实战家庭复健和体育表现

教职成员

物联网是一个计算概念,描述各种日常物理物体通过互联网连接的互连性与合作快速IoT开发受持续研究技术开发驱动(特别是5G移动通信和人工智能技术开发)。IoT技术在Smart型住宅、邻里和城市方面,以及在开发智能基础设施和服务方面,如交通、电力和保健等领域,正在提供各种商业机会

我们在所有连接嵌入式设备/IoT领域进行创新研究,包括:

IoT设备
系统分析
搭建环境感知
IoT联网
安全隐私

教职成员

机器人系统发展成标准实践后开通了各种复杂应用应用通常要求机器人高度智能未来机器人可能比人类有更高感知能力、更多智能、更高层次人工dexteri为了确保高品质控件和机器人性能,必须开发新的智能控件技术,这些技术能够处理任务复杂性、多目标决策、大量感知数据以及大量启发式信息探索智能自主机器人系统近些年来一直是许多引人入胜研究的题目

我们在以下方面进行创新研究:

合作机器人
利达
生物电子学
专用网络

教职成员

光子学是光波物理学包括生成、引导、操纵、放大和检测光科学分支支持改变我们生活方式的许多创新
光度通信具体指光度传递信息光度光度或自由空间Fibre光通信目前为互联网连通提供主干多挑战来自对视频流计算、云计算、智能住宅和城市以及其他服务日益增长的需求解决这些需求需要新光学技术提高容量并降低电耗和网络成本
团队探索创新光学设备、新光学系统网络架构和先进数字信号处理技术等专题

我们在所有领域展开光学通信研究,包括:

光接入网络
数据中心网络
长光通信系统

教职成员

光学感应器激活光谱学、感知学和成像光子系统是增强社会安全、商品和环境安全的关键推进器使各种传感器和视觉应用从可见波段到兆赫波段操作

光源和探测器最近的进展为感测、光谱学和成像技术开辟了新的机会。光设备连同纤维传感器可用来检测建筑部门结构缺陷,防止环境污染并开发驱动辅助系统基于光子子系统的其他技术以及检测器帮助检测有害气体或违禁品

DCU团队从创新光学设备、新子系统到高精度感测系统展开研究其中包括可调试激光、光频梳子、双光频梳子、THZ传感器和智能实时检测机制等工作

教职成员

自人类黎明以来,我们一直在制作改变和改善生活的材料早期人类可能理解从石斧到金属工具等简单过程,而我们现在对原子层次材料行为方式有了更基本理解。操纵这些令人难以置信小尺度上的材料-这类材料常被称为纳米材料-是电子工程学院的一个关键研究焦点

我们的研究焦点从纳米材料开发处理,使用高级特征化技术理解如何更可控和持久地制造这些材料,直至部署这些材料用于能源、光电学、高级穿戴感应器和非穿戴感应器、医学和环境应用我们的主要研究活动包括:

高级等离子进程控制、测量和诊断IC制造,包括射频光谱分析、等离子增强表层工程、等离子纳米制造、等离子体医学、X射线分片成像、光电子材料和设备制造、能源采集材料和设备

教职成员

RF传播群开发特定网站传播模型和电磁波散射算法使用各种计算电磁技术,包括基于统一误差理论的时序法、参数方程和射线跟踪研究人员积极参与CST ActionCA20120-情报辅助无线电通信促进无缝兼容并发和博士课程提供工作,作为欧洲天线传教学院的一部分

电路模拟是现代电路设计的一个关键部分提供系统设备行为洞察力并避免实验原型相关成本然而,随着现代技术的快速发展,模拟工具要跟上这些开发速度,将面临重大挑战。持续需要研究建模和模拟技术,以便能够高效模拟,同时保持所要求的精度水平。中心研究组

教职成员

最近IoT和相关遥感技术的发展导致传感器在我们周围扩散感应器能够持续监控上下文信息,为各种智能应用进一步分析传感器分析指开发创新技术以捕获、处理和分析实时传感器数据这一领域的研究挑战包括:

设计创新感知设备,例如可穿戴设备可生物分解传感器
建设高效数据处理管道获取、处理和分析传感器dat
开发传感器数据分析最优算法
建立智能实时应用实传感器数据流决策开发IoT应用高级传感材料和传感器设备,两者都可穿不可戴

我们研究传感器分析领域包括:

卫生
Agri-Tech
可穿感知

教职成员

智能能源技术需要整合先进嵌入式计算机和通信功能-即所谓的Things互联网-和能源系统,以便实现更高性能,特别是总体能效和可变可再生能源集成化(尤其是风能和太阳能)。应用范围从所谓的智能计数机和智能自机能力不等,可动态调整能源需求以更好地匹配风能和太阳能可用性的变化,并整合电池能源存储系统单机和机载电车并增

所有这些干预措施都可帮助实现迫切需要的能源系统去碳化,以有效解决全球气候危机。智能能源团队开发电子硬件组件高级设计以及支持这些重要开发所需的控制通信软件

我们在所有智能能源领域进行研究,包括:

自动传感器
能源采集织物
智能交通或智能交通系统

教职成员

解决全球气候紧急情况关键取决于快速去碳化能源系统,以尽快消除二氧化碳排放,并肯定在2050年之前实现。可能还有必要工程主动清除大气中多余的二氧化碳这是一项技术挑战和社会挑战快速开发部署可持续能源并持续零二氧化碳排放将至关重要。以爱尔兰为例,这极有可能主要取决于风能和太阳能快速扩充、大规模能源存储系统(TWH+)以及交通和热能使用电气化

然而,由于当前的紧迫性,这些技术干预必须辅之以社会活动的重大改变,以大幅度降低总体能源使用量。只有当这些变化能吸引广泛的社会支持并被认为在国家和国际上公正公平时,这些变化才有可能实现。DCU可持续能源政策团队侧重于提供系统级分析支持决策人、机构、公司和全社会理解这些挑战的规模和紧迫性、工程技术以及可用解决之选项,帮助引导随后产生的困难权衡

技术教育

技术教育指研究渠道建议使用最新的创新技术解决方案帮助学生和受训者,另一方面教育者、教师和教官。期望通过使用新技术增强解决方案,不仅提高学习质量和学习结果,而且提高学习满足度期望这能吸引更多下一代代表深入广泛的题目,包括科学、技术、工程和数学题目,这些题目往往被认为难解,尽管很有用。

科技教育领域创新研究包括:

学习分析
游戏教学

教职成员

加布里埃尔·米罗蒙台

明明刘市

多模式数据分析

现代数字世界中,数据来源繁多,产生丰富复杂数据模式,需要分析常见模式实例有图像视觉数据、文字语言数据、音乐音频数据以及其他声音甚至嗅觉数据,如嗅觉、品味或触摸等数据流往往综合多种模式,例如视频通常至少包括图像和声音(语音、音乐)和文本(多语言字幕)。人感知往往需要视觉分析、音频传音、机能传导和运动或生理数据从可损耗源综合使用研究主题处理方式内和方式间数据整合和解释问题,以及人与多式数据的互动和知识与洞察

教程成员

加布里埃尔蒙台

诺埃尔欧康纳