O nas
Patenty

Data Invest zajmuje się rozwijaniem zaawansowanych technologii, jak również ich skuteczną implementacją w biznesie. Poniżej znajdują się technologie, które są w trakcie procedury patentowej:

Patent 1

Sposób analizy i urządzenie do analizy współbieżnych sygnałów zależnych od czasu

 

Patent 2

Sposób strukturalizacji i działania metadanych w sieciach semantycznych

 

Patent 3

Sposób budowy aplikacji programowych w oparciu o model wielowarstwowy DPLVT (Data-Perspectives-Logic-Views-Templates)

 

Patent 4

Sposób populacji algorytmów ewolucyjnych z wykorzystaniem genotypu kodującego indywidualne sieci neuronowe

 

Patent 5

Sposób przetwarzania algorytmów genetycznych wyposażonych w indywidualne sieci neuronowe z zastosowaniem wielu jednostek GPGPU

 
Patent związany jest z przetwarzaniem dużych zbiorów danych w czasie porównywalnym z superkomputerami przy jednoczesnej oszczędności kosztów związanej zarówno z ceną procesorów (jednoczesne wykorzystanie jednostek GPGPU oraz CPU), serwerów je obsługujących oraz zużyciem energii. Zastosowanie tego typu technik obliczeniowych pozwoli na rozwój nowoczesnych metod obliczeniowych, w tym algorytmów Sztucznej Inteligencji głównie ze względu na wysoką równoległość procesów obliczeniowych. W patencie zastrzeżono sposób dostosowany właśnie do jednostek obliczeniowych GPGPU podczas analizy napływających masowo danych w czasie rzeczywistym (np. notowania giełdowe, wahania kursu walut, kursy surowcowe). Może on jednak posłużyć także w dziedzinach pozafinansowych (medycynie, bio- i nanotechnologii, neuronauce, sejsmice itp.)

Przykładowe obszary zastosowania biznesowego:
  • analizy dużych zbiorów danych finansowych, np. z rynków kapitałowych, surowcowych itp.
  • szybkie analizy dużych strumieni danych, dotyczących np. sprzedaży, wahnięć kursów i cen, wartości różnych wskaźników i parametrów (nie tylko finansowych, ale np. technicznych w sieciach elektroenergetycznych)
  • analizy różnych modeli dynamicznych (ściśle zależnych od czasu lub innego parametru), ich symulacja (także w trybie what-if – jednoczesne obliczanie wielu alternatyw), np. modele finansowe, symulacje rynków, obliczanie ryzyka, wyznaczanie zależności pomiędzy parametrami zmiennymi w czasie, zabezpieczanie sieci energetycznych przed przeciążeniami, optymalizacja procesów transportu, symulacje elektrowni wiatrowych itp.
  • uzupełnianie innych systemów analitycznych o dużą moc obliczeniową, przystosowaną do obliczeń masowo równoległych (tzn. pozwalających wykonywanie dużej ilości różnych operacji w tym samym czasie)
  • analiza sygnałów np. medycznych (pochodzących z aparatury diagnostycznej) i przetwarzanie ich w celu odnajdywania zależności, a także wizualizacji
  Patent pozwala na budowanie baz danych zawierających informacje dodatkowe (metadane) dotyczące treści przeznaczonych dla telefonów komórkowych oraz innych urządzeń mobilnych. Treściami mogą być np. dzwonki, tapety, gry, programy użytkowe. Z kolei metadane to np. opis, popularność, grupy docelowe, efektywność sprzedaży, skojarzenia z innymi treściami. Istotą zastrzeżeń patentowych jest sposób przechowywania (w postaci tzw. sieci semantycznej) tych danych dodatkowych (metadanych) pozwalający na inteligentną ich analizę, także przy użyciu metod Sztucznej Inteligencji (np. klasyfikatory, wnioskowanie heurystyczne, algorytmy genetyczne, drzewa decyzyjne). Docelowo zaproponowany sposób strukturalizacji metadanych będzie wykorzystywany do badania i przewidywania trendów konsumenckich.

Zastosowanie biznesowe:
  • szybka obróbka metadanych dotyczących kontentu (w czasie rzeczywistym) w celu jak najlepszego dostosowania do potrzeb konsumenta, np. kojarzenie różnego kontentu w pakiety promocyjne
  • wykorzystanie jednostek równoległych pozwala na wielowymiarowość prowadzonych analiz, lepszych od „klasycznych” BI pod względem szybkości, automatycznego „zrozumienia” znaczenia analizowanej treści (treści są semantyczne, a nie tylko numeryczne), prowadzenie procesów optymalizacji w sposób niedostępny przy podejściu explicite (czyli takim, jaki jest w klasycznych BI)
  • możliwa współpraca z oprogramowaniem telefonów komórkowych w celu badania zachowań konsumenckich i docierania do konsumenckich grup docelowych, a także budowania odpowiednich archetypów konsumenckich
  Przedmiotem wynalazku jest sposób budowania aplikacji programowych z wykorzystaniem dodatkowej warstwy danych, pozwalający na zachowanie nienaruszonej struktury i zawartości warstwy danych podstawowych podczas zmiany logiki działania oprogramowania. W standardowym modelu tworzenia aplikacji programowych MVC (Model-View-Controller) zakłada się, że warstwa modelu zawiera także dostęp do danych oraz umożliwia przeprowadzanie na nich operacji. Stąd też można ją traktować jako połączenie danych, operacji na nich oraz ich struktury z logiką aplikacji. Problem pojawia się podczas zmian w logice, które wymuszają modyfikację także warstwy danych (na ogół na poziomie struktury bazy danych). Ma to swoje odzwierciedlenie w znacznych kosztach związanych z rozwojem aplikacji, szczególnie jeśli oprogramowanie jest skomplikowane i jest obecne na rynku od dłuższego czasu. Celem wynalazku jest sposób budowy aplikacji programowych pozwalający na istotne przedłużenie okresu opłacalności dokonywania ich wielokrotnych modyfikacji, w szczególności aż poza obecnie osiągalny czas życia produktu. Cel ten zrealizowano przez opracowanie sposobu budowy aplikacji programowych w oparciu o model wielowarstwowy, składający się z warstwy danych źródłowych (Data), perspektyw (Perspectives), warstwy logiki aplikacji (Logic) oraz warstwy widoków (Views) i szablonów (Templates).

Zastosowanie biznesowe:
  • dokonywanie zmian w oprogramowaniu bez konieczności modyfikacji struktury i zawartości danych źródłowych oraz wynikające stąd oszczędności projektowe
  • zwiększenie elastyczności budowanych rozwiązań informatycznych, pozwalające na późniejsze nawet gruntowne przebudowy logiki oprogramowania
  • możliwość budowania oddzielnych warstw D (data) i P (perspectives) przez niezależne zespoły programistyczne, co wpływa także na skrócenie czasu tworzenia aplikacji, a tym samym na koszty jej powstawania lub przebudowy
  Algorytmy genetyczne (inaczej ewolucyjne) są jedną z najbardziej zaawansowanych metod sztucznej inteligencji (Artificial Intelligence, w skrócie: AI). Służą do rozwiązywania problemów, na które nie ma jednoznacznych przepisów (z reguły złożonych lub niedostatecznie określonych). Podstawą patentu jest wykorzystanie zasad działania kodu genetycznego oraz doboru naturalnego (ich wirtualne odpowiedniki są „zaszywane” w poszczególne algorytmy genetyczne oraz środowisko ich działania). Algorytmy, które najlepiej rozwiązują jakąś część zadania są kojarzone między sobą (populacja genotypu), słabsze są usuwane (dobór naturalny). Kolejne „pokolenia” algorytmów coraz lepiej radzą sobie z zadaniem, aż doprowadzają do jego całkowitego rozwiązania lub znacznie do niego zbliżają (gdy nie jest możliwe osiągnięcie optymalnego rozwiązania). Patent „wzmacnia” algorytmy genetyczne o inny obiekt sztucznej inteligencji – sieci neuronowe, które są także kodowane przy użyciu odpowiedniej części wirtualnego genotypu. Genotyp charakterystyczny dla algorytmów genetycznych jest następnie używany do rozwoju i kodowania sieci neuronowych (tutaj w kolejnych generacjach populowane są częściowo nauczone sieci, a nie algorytmy w postaci explicite).

Zastosowanie biznesowe:
  • rozwiązywanie skomplikowanych zagadnień obliczeniowych, na które nie ma konkretnych algorytmów, np. optymalizacja portfela inwestycyjnego, problemy logistyczne, zarządzanie ryzykiem, złożone procesy optymalizacyjne, wyszukiwanie informacji, kojarzenie faktów w systemach ekspertowych itp.
  • symulacja konsumenckich zachowań społecznych, zjawisk mody, ich przemijania itp., co jest szczególnie ważne podczas budowania przewagi konkurencyjnej na rynku zdominowanym przez upodobania lub opinie konsumentów
  • przeszukiwanie dużych zbiorów danych i metadanych oraz odnajdywanie na ich podstawie istniejących zależności, z reguły niewidocznych w żadnym ich uproszczonym zestawieniu
  Patent ten stanowi rozwinięcie patentu nr 4 o zastosowanie specjalistycznych procesorów wielordzeniowych (GPGPU), pierwotnie używanych do operacji graficznych. Sposób przetwarzania danych przy użyciu tych procesorów znacznie różni się od „klasycznych” metod. Stąd też została opracowana metoda oprogramowania algorytmów genetycznych wyposażonych w indywidualne sieci neuronowe przy użyciu procesorów wielordzeniowych. Pozwala ona nie tylko na znaczne przyspieszenie obliczeń, ale umożliwia także na wymierne oszczędności związane z niższym kosztem zakupu mocy obliczeniowej oraz wyższą jej wydajnością pod względem konsumpcji energii. Istotnym jest fakt wykorzystania środowisk do obliczeń równoległych, do których szczególnie są dostosowane jednostki GPGPU. Zastosowanie GPGPU daje istotną przewagę, gdyż obliczenia np. neuronowe wykorzystują masowo równoległe, ale w większości przypadków proste operacje. Zatem liczy się raczej ilość prostszych (i tańszych) jednostek obliczeniowych (w tym wypadku – rdzeni procesora GPGPU), a nie moc obliczeniowa pojedynczych rdzeni, jak ma to miejsce w klasycznych CPU, wykorzystywanych w relatywnie drogich superkomputerach, a także klastrach.

Zastosowanie biznesowe:
  • Jak dla patentu o tytule „Sposób populacji algorytmów ewolucyjnych z wykorzystaniem genotypu kodującego indywidualne sieci neuronowe” z tą różnicą, że dodatkowo wykorzystywana jest moc obliczeniowa jednostek równoległych (wielordzeniowych).