Računarstvo

Maja Milović (2005), Subotica, 4. razred, Gimnazija “Svetozar Marković” Subotica

Mentori:
Igor Šikuljak, Continental Automotive
Stefan Nožinić, ISP

U radu je istraživan uticaj implementacije rasejanja elektrona na relativnu depoziciju energije u atmosferi u simulaciji polarne svetlosti. Biblioteka otvorenog koda je modifikovana kako bi se ispitala hipoteza da će simulator proizvesti bolje rezultate nakon implementiranog rasejanja elektrona, nego bez rasejanja. Paralelizovan je proces mapiranja elektrona na 12 procesorskih niti i izvršena je ispravljena obrada rezultata poređenjem podataka iz simulacije sa eksperimentalnim podacima sa različitih geografskih širina.

Luka Skenderija (2005), Prag, 4. razred, Gimnazija Banja Luka

Mentori:
Nikola Jovanović, Ydrive
Dušan Korizma, ETF

Nedavni napreci u 3D gausovskom slaganju su značajno doprinijeli polju računarske grafike i mogućnosti prikazivanja realističnih scena u realnom vremenu svojom diskretnom predstavom scena i brzom rasterizacijom. Međutim, prikazivanje gausovskih scena na prosječnom hardveru je i dalje izazovno. Ovaj rad se fokusira na unaprijednu optimizaciju gausovskih scena u svrhu poboljšanja performansi na svakodnevnom hardveru. Konkretno, konstruisana su stabla hijerarhije ograničavajućih zapremina gausijana, a zatim su gausijani birani i spajani na osnovu njihove udaljenosti od određene tačke interesa. Može se zaključiti da je ovo dobar pristup optimizaciji na različitim nivoima, u zavisnosti od ciljanih nivoa detalja. Takođe, istražena je priroda gubitka kvaliteta koji se javlja kao posljedica smanjenja detalja, što omogućava dalju primjenu metode u razvoju sistema za podjelu gausovkih scena na različite nivoe detalja i interpolaciju između istih.

Sergej Milivojević (2007), Čerević, 2. razred, ETŠ “Mihajlo Pupin” Novi Sad

Mentori:
Nikola Jovanović, Ydrive
Dušan Korizma, ETF

U ovom radu je predložena metoda vizuelnog i geometrijskog gorenja tela, koja je predstavljena trougaonim mrežama, merenjem temperature u svakom trouglu i primenom matematičke funkcije na njihova temena kada temperatura pređe odabranu vrednost. Vatra je predstavljena frontom koji se sastoji od tačaka koje se šire po mreži na osnovu vektora kretanja. Vremenska složenost simulacije je O(2T) gde je T broj vremenskih koraka. Metoda je testirana na više trougaonih mreža, a rezultati su pokazali bolje performanse na detaljnijim mrežama. Simulacijom je demonstrirano postizanje vizuelno prihvatljivih rezultata koji približno oponašaju gorenje tela u stvarnosti. Međutim, ograničenje simulacije je to što ne daje zadovoljavajuće rezultate pri proboju vatre na drugu stranu tela.

Veljko Pavlović (2006), Kostolac, 3. razred, Požarevačka gimnazija

Mentori:
Stefan Nožinić, ISP
Ivan Bokor, ETF

U ovom radu razvijen je algoritam za poređenje struktura HTML stranica korišćenjem graph2vec modela. Graph2vec model je tehnika ugrađivanja grafova koja HTML strukture prevodi u vektorski prostor. Rezultati su evaluirani pomoću vizuelne metode koja se sastoji od renderovanja slika veb-stranica i izračunavanja sličnosti među njima. Za poređenje stranica korišćene su dve metrike: euklidsko rastojanje i kosinusna sličnost. Rezultati su pokazali da na vizuelnu metodu značajno utiču stilski elementi, poput boja, pozadine i drugih vizuelnih atributa stranice. S druge strane, metoda ugrađivanja grafova koristi strukturu HTML stranice i fokusira se isključivo na organizaciju i povezanost elemenata što se u nekoliko karakterističnih primera pokazuje kao robusnije rešenje.

Nađa Cvetković (2007), Mladenovac, 3. razred, Gimnazija, Mladenovac

Mentori:
Vladimir Lunić, Continental Automotive
Marko Milenković, FTN

Pre dozvoljenog ulaska na određene sajtove, postoji obavezan CAPTCHA test. CAPTCHA test je potpuno automatizovani javni Tjuringov test koji za cilj ima da razlikuje računare od ljudi, zadacima koje može da reši samo čovek. U ovom radu kompozitna generativna adverserijalna mreža (C-GAN) primenjena je na slike iz predodređene baze voća, generišući slikovne CAPTCHA testove. Ovaj vid generisanja slika do sada je primenjen samo na tekstualni tip CAPTCHA-i. Cilj ovog rada je ispitati da li su slike generisane korišćenjem C-GAN mreže otporne na prepoznavanje računara, a ujedno dovoljno razumljive čoveku. Kvalitet rezultata C-GAN metode odredjivan je automatskim prepoznavanjem ResNet50 klasifikacionim modelom i od strane ljudskih ispitanika u vidu ankete. Rezultati su pokazali da model ResNet50 ne može uspešno da proceni šta je na generisanoj slici, dok su ljudi u anketi uspešno označili zadato voće.

Stefan Tešmanović (2005), Beograd, 4. razred, Prva beogradska gimnazija, Beograd

Mentori:
Vladimir Lunić, Continental Automotive
Nikolina Petrović, ETF

Ovaj rad se bavi implementacijom agentazasnovanog na reinforcement learning-u za igru Tribes, koja je dizajnirana za istraživanje u oblasti veštačke inteligencije. Igra Tribes je strateška igra zasnovana na potezima, gde je cilj prikupiti više poena od protivnika ili osvojiti njegov glavni grad. Agent koristi neuronsku mrežu treniranu pomoću Reinforce algoritma za donošenje odluka o kretanju i akcijama trupa, dok se za akcije gradova i plemena oslanja na unapređenu funkciju nagrade iz referentnog rada, koji se bavio kreiranjem igre i implementacijom agenata zasnovanih na simuliranju poteza. Tokom treninga, agent igra protiv manje istrenirane verzije sebe kako bi imao ravnopravnog protivnika u svim stadijumima treniranja. Glavna prednost ovog pristupa je u brzini donošenja odluka, što ga čini efikasnijim u poređenju sa klasičnim agentima koji simuliraju poteze. Eksperimentalni rezultati pokazuju da je agent bolje prilagođen partijama koje traju duže, posebno kada je vreme za potez ograničeno. Agent nije nadmašio najbolje agente iz referentnog rada u svim scenarijima, uspeo je da postigne značajne rezultate u partijama sa vremenskim ograničenjem za poteze.

Marko Radojević (2005), Beograd, 4. razred, Matematička gimnazija, Beograd

Mentori:
Nikola Jovanović, Ydrive
Dušan Korizma, ETF

U ovom radu je predstavljen eksperiment ubrzanja simulacije fluida na grafičkoj procesorskoj jedinici (GPU) u 3D prostoru. Implementirana je simulacija hidrodinamike glatkih čestica (SPH simulacija) na grafičkoj procesorskoj jedinici pomoću OpenCL biblioteke, i na procesoru. Njihove performanse su upoređene na kraju i zaključeno da je ubrzanje značajno. Implementacija na grafičkoj procesorskoj jedinici, sa simulacijom od 10⁶ čestica, je ~17.2 puta brža na sistemu sa posvećenom, dok je ~5.5 puta brža na sistemu sa integrisanom grafičkom karticom.

Sofija Stanojlović (2006), Požarevac, 3. razred, Požarevačka gimnazija, Požarevac

Mentori:
Vladimir Lunić, Continental Automotive
Nikolina Petrović, ETF

U ovom radu istraženi su različiti pristupi mašinskog učenja za predikciju biološke aktivnosti molekula prema enzimu 11β-hidroksisteroid dehidrogenazi tip 2 (11β-HSD2). Ovaj enzim igra ključnu ulogu u regulaciji nivoa kortizola, a njegova inhibicija povezana je s razvojem određenih vrsta raka. Cilj istraživanja bio je identifikacija molekula s visokom biološkom aktivnošću koji bi mogli poslužiti kao potencijalni inhibitori ovog enzima. Podaci korišćeni u istraživanju preuzeti su iz ChEMBL baze podataka, dok je predikcija biološke aktivnosti (pIC50) sprovedena regresijskim modelima zasnovanim na Lipinski i PADEL deskriptorima. Kroz optimizaciju hiperparametara primenom grid search-a, identifikovani su najprecizniji modeli za svaki pristup. Najbolje performanse postignute su korišćenjem PADEL deskriptora, pri čemu je model LGBM ostvario R² od 0,65, MAE od 0,5 i MSE od 0,57. Kod Lipinski deskriptora, najbolji model bio je Random Forest, sa R² od 0,51, MAE od 0,6 i MSE od 0,8. Dodatno, ispitana je encoder-decoder arhitektura, koja je postigla R² od 0,5, što ukazuje na njen potencijal za ovu vrstu predikcija. Rezultati pokazuju da PADEL deskriptori pružaju bolje performanse u poređenju sa Lipinski deskriptorima. Međutim, nijedan model nije postigao visoku preciznost, što ukazuje na potrebu za proširenjem skupa podataka i daljom optimizacijom. Ovo istraživanje postavlja temelje za primenu naprednih metoda, poput grafovskih neuronskih mreža (GNN), kako bi se detaljnije ispitale ključne osobine molekula za biološku aktivnost. Takav pristup ima potencijal da ubrza proces otkrivanja lekova i selekciju farmaceutskih kandidata, omogućavajući razvoj novih molekula sa optimalnim karakteristikama.