Kutatásom az implicit és a véletlenül huzalozott neurális hálózatok elméleti és gyakorlati vizsgálatára irányul. Ezek a hálózatok eltérnek a hagyományos rétegzett architektúráktól: számítási gráfjuk tartalmazhat irányított vagy irányítatlan köröket, ami új lehetőségeket nyit a tanulási stabilitás, memória és önszervező viselkedés modellezésében. A kutatás célja költséghatékony, mégis nagy teljesítményű idősor-elemző és osztályozó modellek fejlesztése, amelyek kombinálják az implicit neurális hálózatok és a biológiailag inspirált gráfstruktúrák előnyeit. Az ilyen struktúrák képesek a kisvilág-, moduláris és hierarchikus szerveződés megjelenítésére, ezáltal közelebb hozva a mesterséges hálózatokat az agy topológiájához.

Ezen kutatásunk középpontjában az intelligens, adatvezérelt gyártási rendszerek fejlesztése áll, különös tekintettel a hegesztési folyamatok digitalizációjára és automatizálására. Olyan kiber-fizikai rendszerek létrehozásán dolgozunk, amelyek valós idejű szenzoradatok és gépi tanulási algoritmusok segítségével növelik a gyártás hatékonyságát és megbízhatóságát. Fő kutatási irányaink közé tartozik a hegesztési hibák képfeldolgozáson alapuló felismerése, a szenzoros mérőrendszerek fejlesztése, valamint a végeselemes szimuláció és gépi tanulás kombinált alkalmazása szerkezeti optimalizálásban. Ezen túl Fourier Neurális Operátorokat vizsgálok idősor- és hangjel-analízishez. Célunk olyan digitális és önoptimalizáló gyártási környezetek kialakítása, amelyek a mesterséges intelligencia és a valós idejű adatfeldolgozás integrációjára épülnek.