A mesterséges intelligencia (AI) lehetővé teszi, hogy a gépek tanuljanak a tapasztalatokból, alkalmazkodjanak az új bemenetekhez, és emberszerű feladatokat hajtsanak végre. A legtöbb mesterséges intelligencia példa, amelyről ma hallani – a sakkozó számítógépektől az önvezető autókig – nagymértékben támaszkodik a mély tanulásra és a természetes nyelvi feldolgozásra.

A multi-agent rendszer (MAS) egy számítógépes rendszer, amely több egymással kölcsönhatásban lévő intelligens ágensből áll. A multi-ágens rendszerek olyan problémákat oldhatnak meg, amelyeket egy egyedi ágens vagy egy monolitikus rendszer nehezen vagy egyáltalán nem képes megoldani.

Az ágens-alapú modellek olyan számítógépes szimulációk, amelyeket emberek, dolgok, helyek és idő közötti interakciók tanulmányozására használnak. Ezek alulról felfelé épülő sztochasztikus modellek, ami azt jelenti, hogy az egyes ágensekhez (gyakran az epidemiológiában dolgozó emberekhez) vannak hozzárendelve bizonyos tulajdonságok.

A számítógépes tudomány egy gyorsan növekvő multi- és interdiszciplináris terület. Matematikai és számítási modelleket fejleszt, és fejlett számítási technikákat használ ezeknek a modelleknek az adatok által vezérelt szimulálására.

A komplex hálózatelemzés azt tanulmányozza, hogyan lehet felismerni, leírni, megjeleníteni és elemezni az összetett hálózatokat.

A hálózattudomány a konnektivitás és a hálózatok tanulmányozása minden formában. Egyetlen csomópontpártól a több millió tagot számláló összetett hálózatokig a hálózatkutatók feltérképezik és elemzik a hálózat jellemzői és eredményei közötti mintákat.

z evolúciós számítások a mesterséges intelligencia (AI) egyik részterülete, és széles körben használják összetett optimalizálási problémákban és folyamatos optimalizálásban. Az evolúciós számításokat olyan problémák megoldására használják, amelyek túl sok változót tartalmaznak a hagyományos algoritmusokhoz.

A kollektív és rajintelligencia a mesterséges intelligencia kutatások azon ága, amely nagy számú szereplőből álló intelligens viselkedésű rendszerekkel foglalkozik. Mint ilyen a multi-ágens rendszerek speciális része, ahol az egyes ágensek szerepe elhanyagolható és az intelligens viselkedés a közösség szintjén jelenik meg. Az egyes ágensek lehetnek kooperatívak (altruisztikusak), vagy önzők is.

A mechanizmus tervezés a játékelmélet speciális ága, mely olyan játékok (interakciós protokollok) megalkotásával foglalkozik, melyek több, saját érdekét szem előtt tartó szereplő együttes viselkedését egy előre meghatározott cél elérése felé tereli -- racionális ágenseket feltételezve.

A gráf neurális hálózatok (GNN-ek) a gépi tanulás egyik legújabb irányát jelenti, változatos alkalmazásokkal. A jelen kutat's a GNN-ekben rejlő tágabb lehetőségek feltárására irányul, három kulcs területre összpontosítva: a robusztusságra, a magyarázhatóságra és a különböző üzenet-továbbítási propokollokra. A jelenlegi GNN-ek, olyan kihívásokkal néznek szembe, mint a támadásokkal szembeni sebezhetőség és az összetett információkezelés. Célunk a robusztusság növelése a támadásokkal szemben, s így a megbízhatóság növelése. Ezen túlmenően arra törekszünk, hogy a GNN-eket átláthatóbbá és eredményeiket magyarázhatóbbá tegyük A kutatás hozzájárul a GNN technológia szélesebb alkalmazhatóságához.