HRIA · P2 UNIVERSITATEA DE VEST DIN TIMIȘOARA

Rezultate de Cercetare · P2‑UVT

Echipă, direcții și rezultate — o prezentare editorială a contribuțiilor științifice și a colaborărilor industriale incluse în broșura P2‑UVT din septembrie 2026.

cercetători

publicații

6×

servere Lenovo SR675 V3

4×

GPU NVIDIA H200 pe server

INFRASTRUCTURĂ NOUĂ

Putere de calcul pentru cercetare IA avansată

Șase servere Lenovo ThinkSystem SR675 V3, fiecare echipat cu două procesoare AMD EPYC 9745 cu 128 de nuclee, 3 TiB RAM și patru acceleratoare NVIDIA H200 NVL cu 141 GiB memorie.

Stocare: Lenovo DG5000 All‑Flash · 556 TiB capacitate utilizabilă.

Infrastructura HRIA la P2-UVT — Fig. 1 · Infrastructura HRIA la P2‑UVT

DOMENIUL DE CERCETARE 01

Trustworthy AI

Echipă
Darian Onchiș (coordonator), Flavia Costi, Emanuel Covaci, Viorel Negru, Todor Ivașcu, Daniela Zaharie

DIRECȚIE

Modele explicabile pentru asistarea deciziilor în mediul industrial și în sănătate, prin combinarea arhitecturilor neuronale profunde, a modelelor bazate pe reguli și a mai multor metode de explicabilitate.

REZULTATE

Cadru neuro-simbolic ce combină un Transformer 1-D eficient cu Logic Tensor Networks pentru diagnoza explicabilă a defectelor.
Fuziunea hărților de atribuire pentru explicații robuste ale modelelor Vision Transformer în imagistica medicală.
Reducerea biasului în modele EEG, evaluarea interpretabilă a riscului polipilor colorectali, clasificarea tumorilor cerebrale și evaluarea consistenței explicațiilor.

Referințe: [Hogea et al., 2026] [Hogea et al., 2025] [Babuc et al., 2025] [Covaci et al., 2025] [Covaci et al., 2026] [Costi et al., 2026]

Fig. 2 · Cadru neuro-simbolic pentru detectarea defectelor în utilaje rotative

Fig. 3 · Arhitectura EnfXAI — sistem explicabil pentru interpretarea crizelor epileptice

DOMENIUL DE CERCETARE 02

Intelligent and Autonomous Systems

Echipă
Cosmin Bonchiș (coordonator), Cosmin Ancuți, Ciprian Orhei, Teodora Selea

DIRECȚIE

Luarea algoritmică a deciziilor în condiții de incertitudine și vedere computerizată eficientă, cu accent pe algoritmi îmbunătățiți prin învățare și procesarea imaginilor în condiții reale nefavorabile.

REZULTATE

Eliminarea ceții pe baza modelelor fizice, cu generalizare pentru ploaie, ceață nocturnă și praf.
Modele Transformer eficiente pentru îmbunătățirea imaginilor captate în lumină redusă.
NT-HAZE, primul set de date pereche pentru eliminarea realistă a ceții nocturne, realizat în 40 de scene.

Referințe: [Liu et al., 2026] [Brăteanu et al., 2025] [Balmez et al., 2026] [Ancuți et al., 2026]

Fig. 4 · Arhitectură pentru îmbunătățirea imaginilor în lumină redusă

Fig. 5 · Exemple de imagini pereche din setul de date NT-HAZE

DOMENIUL DE CERCETARE 03

Human-Centered Intelligent Systems

Echipă
Marc Frîncu (coordonator), Theodor Grumeza

DIRECȚIE

Tehnologii digitale centrate pe om, care combină inteligența artificială, vederea computerizată, realitatea virtuală și modelele lingvistice pentru accesibilitate, recuperare, patrimoniu cultural și interacțiune incluzivă.

REZULTATE

Metodologie de învățare automată nesupravegheată pentru gruparea comportamentelor din realitatea virtuală ale persoanelor cu diferite dizabilități fizice și motorii.
Fluxuri OCR și LLM pentru extragerea datelor de expirare și a informațiilor nutriționale structurate din imagini și materiale video ale produselor alimentare.

Referințe: [Frîncu et al., 2026] [Grumeza & Fortiș, 2026] [Grumeza et al., 2026]

Fig. 6 · Traiectorii ale mișcărilor capului

DOMENIUL DE CERCETARE 04

Cybersecurity and Intelligence for Trustworthy Architectures, Distributed Ecosystems and Ledgers

Echipă
Ciprian Pungilă (coordonator), Mircea Prejban, Rebeca Tonu, Darius Galiș, Theodor Grumeza, Viorel Negru

DIRECȚIE

Inteligență artificială pentru detectarea atacurilor cibernetice, securitate și analiză blockchain, învățare automată pentru analiza statică a codului și infrastructuri IA distribuite și securizate.

REZULTATE

BRIDGE, o reprezentare topologică independentă de tipul blockchain-ului, destinată analizelor criminalistice și detectării anomaliilor la scară largă.
Analiza temporală a rețelelor Bitcoin și detectarea explicabilă a comportamentelor de tip mixer.
Fluxuri LLVM și Ghidra pentru analiza riscurilor, grafuri de programe malware și optimizări criptografice adaptate componentelor hardware.

Referințe: [Pungilă et al., 2025] [Muntean et al., 2026] [Tonu et al., 2025] [Kirichner & Pungilă, 2026] [Budiul & Pungilă, 2026] [Prejban & Pungilă, 2025]

Fig. 7 · Fluxul funcțional al arhitecturii BRIDGE

DOMENIUL DE CERCETARE 05

Applications of AI in Medical Imaging & Assisted Diagnosis

Echipă
Eva Kaslik (coordonator), Alexandru Fikl, Todor Ivașcu, Viorel Negru, Sebastian Ștefănigă, Sorin Tîrc

DIRECȚIE

Inteligență artificială pentru sănătate, prin integrarea analizei imaginilor medicale, a modelelor fundamentale multimodale și a sistemelor multi-agent pentru diagnostic și optimizarea fluxurilor clinice.

REZULTATE

Compararea arhitecturilor U-Net 2D, 2,5D și 3D pentru detectarea leziunilor asociate sclerozei multiple.
Modele eficiente pentru clasificare între domenii și patologie digitală, destinate implementării la marginea rețelei.
Protocol de coordonare și validare pentru sisteme multi-agent care asistă deciziile clinice.

Referințe: [Babuc & Fortiș, 2026] [Mihai et al., 2026] [Babuc et al., 2026] [Cincar et al., 2026]

Arhitectură de inteligență artificială explicabilă pentru sprijinirea deciziilor medicale

DOMENIUL DE CERCETARE 06

AI for Digital Twins and Smart Manufacturing

Echipă
Florin Fortiș (coordonator), Darius Galiș, Gabriel Iuhasz, Flavia Micota, Daniela Zaharie

DIRECȚIE

Inteligență computațională pentru sisteme ciber-fizice, prin combinarea învățării automate, calculului evolutiv, inteligenței artificiale explicabile și tehnologiilor de tip geamăn digital.

REZULTATE

Detectarea și clasificarea anomaliilor în două etape, analizând cinci milioane de observații provenite de la senzori industriali.
Strategii de programare genetică pentru generarea unor reguli interpretabile de alocare în planificarea flexibilă a asamblării.
Set public de date pentru planificarea flexibilă a asamblării, cu structuri liniare și ierarhice ale activităților.

Referințe: [Puiu et al., 2026] [Micota et al., 2026]

Fig. 8 · Exemple de structuri ierarhice ale activităților: mixte, late și adânci

DOMENIUL DE CERCETARE 07

AI and environment

Echipă
Gabriel Iuhasz (coordonator), Marian Neagul, Alexandru Munteanu, Teodora Selea, Ioana Igreț

DIRECȚIE

Segmentarea semantică eficientă a imaginilor satelitare, procesarea inteligentă a datelor geospațiale, monitorizarea mediului și predicția riscurilor.

REZULTATE

Flux național pentru segmentarea pădurilor din imagini Sentinel-2, utilizând căutarea zero-shot într-un spațiu de 8.640 de arhitecturi Attention U-Net.
Produsul Burn Scars, bazat pe modelul fundamental ESA/IBM TerraMind ajustat și integrat în platforma EOCube.RO.

Referințe: [Iuhasz & Neagul, 2026] [Platforma românească de date pentru observarea Pământului]

Fig. 9 · Interfața EOCube.RO pentru monitorizarea suprafețelor arse

Fig. 10 · Detectarea regiunilor afectate de incendii în sud-vestul României

DOMENIUL DE CERCETARE 08

Collaboration with Industrial Partners (Greensoft): Predictive Maintenance for Industrial Equipments

Echipă
Delia Bărbuță, Adrian Apostolache, Gabriel Iuhasz, Cosmin Bonchiș

DIRECȚIE

AkolladeX: monitorizarea asistată de inteligență artificială și prevenirea incidentelor de urgență din infrastructurile critice, utilizând date acustice, de temperatură și presiune.

REZULTATE

Modele predictive pentru identificarea abaterilor de la comportamentul normal al utilajelor rotative.
Rețea neuronală spiking dinamică, multi-scală, pentru clasificarea defectelor pe baza datelor acustice și a vibrațiilor.

Referințe: [AkolladeX]

Fig. 11 · Arhitectura rețelei neuronale spiking multi-scală pentru detectarea defectelor

DOMENIUL DE CERCETARE 09

Collaboration with Industrial Partners (Terrasigna): Ground Motion Monitoring

Echipă
Delia Teleagă, Ștefan Toma, Ioana Igreț, Daniela Zaharie

DIRECȚIE

Monitorizarea prin satelit a stabilității terenului și a infrastructurilor critice, folosind inteligența artificială pentru analiza seriilor temporale PS-InSAR.

REZULTATE

Flux bayesian pentru identificarea punctelor de schimbare în monitorizarea deformării terenului și a tasărilor.
Validarea metodei pe evenimente de tasare raportate în zona Slănic-Prahova.

Referințe: [Igreț et al., 2026]