Tijdens CWI in Bedrijf hoort u tijdens de parallelle sessies de meest actuele stand van zaken over de volgende onderwerpen:
Quantum: Quantumtechnologie en de cryptopocalips
Christian Schaffner
In het licht van recente experimentele successen en grote investeringen door o.a. Alphabet (voorheen Google), Microsoft, IBM en Intel is het realistisch dat er binnen 10-30 jaar een praktische quantumcomputer op de markt komt. Quantumcomputers kunnen exponentieel sneller algoritmes uitvoeren die aan de basis liggen van de meest gebruikte data-encryptiemethodes, zoals RSA.
Moeten we ons zorgen maken over een ‘cryptocalips’ wanneer de quantumcomputer er is? En hoe zit het met encryptiemethoden die tegen een quantumaanval bestand zijn, zoals post-quantum crypto en quantum key distribution? Zijn deze al op de markt en hoe moet uw organisatie hier mee aan de slag om optimaal voorbereid te zijn op de quantumtoekomst?
Machine Learning: Efficiënt Diep Leren
Sander Bohté
Deep learning maakt furore in de wereld van machine learning, met aansprekende resultaten in beeld- en spraakherkenning, en patroonherkenning in het algemeen. Naast het spelen van Go zijn er veel serieuze toepassingen, in bijvoorbeeld de medische wereld, robotica en de maak-industrie. Deep learning is gebaseerd op de rekenprincipes van hersenen: grote neurale netwerken. Het succes is een combinatie van grote computers en veel data om grote en diepe neurale netwerken te trainen. Dit maakt deep learning echter wel duur in energie en rekenwerk, obstakels voor het gebruik in toepassingen in bijvoorbeeld consumenten electronica, domotica en automotive.
Hoe maken we deep learning efficiënter? Hier wordt hard aan gewerkt: van neurale netwerk architectuur en de gebruikte leer-algoritmes tot speciale zuinige hardware. Ik geef een overzicht van recente ontwikkelingen op dit gebied, met speciale aandacht voor de principes die de 100 miljard neuronen in ons brein zo zuinig maken.
Machine Learning: The Safe Bayesian
Peter Grünwald
De Bayesiaanse aanpak is populair, zowel in de statistiek als in de machine learning. Volgens veel onderzoekers zou eigenlijk *allle* data analyse op z'n Bayesiaans gedaan moeten worden. Er zijn hier een aantal redenen voor; een belangrijke is dat Bayesiaanse methodes *automatisch* overfitting tegengaan. (overfitting = te veel vrije parameters, goede fit op de data die je al hebt, slechte voorspellingen voor de toekomst).
Ik zal de Bayesiaanse methode kort uitleggen, en vervolgens laten zien dat het zo simpel niet is: als je model 'wrong but useful' is (bijvoorbeeld: je neemt aan dat fouten normaal verdeeld zijn, terwijl dat net niet zo is), dan kunnen Bayesiaanse methodes alsnog flink overfitten en tot zeer slechte voorspellingen leiden. Op het CWI werken we aan de 'safe Bayesian' methode, een uitbreiding van Bayes die het evengoed doet als Bayes als je model aannames correct zijn, maar beter als ze incorrect zijn -software hiervoor is beschikbaar in R. Ik zal de methode illustreren aan de hand van een aantal voorbeelden.
Blockchain: Mogelijkheden van micro-transacties en Blockchains
Michael Kaisers
De blockchain maakt het mogelijk om elkaar Bitcoin over te maken zonder tussenpersoon, en met lage transactiekosten. Deze presentatie vat kort samen hoe de blockchain werkt, en gaat in op de mogelijkheden en valkuilen van verdere toepassingen. Uitdagingen omtrent intelligente elektriciteitsnetwerken (Smart Grids) vormen kansen om efficiënte en lokale markten te creëren, door intelligente computerprogramma’s autonoom met elkaar te laten onderhandelen.
Blockchain: De veiligheid van de Blockchain
Marc Stevens
Bitcoin is ‘s werelds eerste decentrale digitaal betaalmiddel en is eigenlijk een groot experiment. De grote kracht van Bitcoin ligt in de onderliggende decentrale ledger, de blockchain. In dit praatje zal ik uitleggen wat blockchain technologie nu precies biedt voor verschillende applicaties en ga ik in op belangrijke veiligheidsaspecten omtrent blockchain.
Computional Imaging: Real-Time Tomografie
Joost Batenburg
![](/images/36987/joost-batenburg.width-200.jpg)
Tomografie stelt ons in staat om binnenin objecten te kijken, door een aantal Röntgenfoto’s op te nemen vanuit verschillende hoeken. Hieruit wordt vervolgens een 3D beeld van het object berekend, met behulp van een wiskundig algoritme.
In de Computational Imaging groep van het CWI verrichten we onderzoek naar deze algoritmen, met een interdisciplinaire aanpak. De uitdaging hierbij is om met zo min mogelijk metingen, zo nauwkeurig mogelijke beelden te berekenen. Minder metingen betekent immers kortere scantijd en minder schadelijke straling.
Momenteel duurt het uitrekenen van dergelijke beelden vaak lang, en gebeurt dit pas na de scan. Wij werken aan technieken om real-time, tijdens de scan, binnenin het object te kunnen kijken. Met die snelheid komen veel nieuwe toepassingen binnen bereik: 3D imaging voor kwaliteitscontrole en inspectie in de industrie, 3D filmpjes van dynamische processen en 3D chemische analyse met spectrale beeldvorming.