آزمایشگاه یادگیری عمیق و تقویتی
حوزه‌های پژوهشی شامل طراحی و پیاده‌سازی دستیارهای هوشمند متنی، صوتی و تصویری مبتنی بر مدل‌های زبانی بزرگ (LLMs)، تحلیل هوشمند داده‌های جریانی، مهندسی نرم‌افزار هوشمند مبتنی بر جستجو، تحلیل و طراحی الگوریتم‌های هوشمند در پردازش ابری و مه، تحلیل هوشمند فرآیندها، آموزش و تنظیم دقیق و استفاده از مدل‌های یادگیری خودنظارتی برای کاربردهای پردازش گفتار و صوت، از جمله تشخیص احساسات و شناسایی بیماری‌هایی نظیر افسردگی و آلزایمر از سیگنال گفتار، استفاده از مدل‌های زبانی متنی-صوتی در کاربردهای پردازش گفتار و تصویر، از جمله شناسایی و تحلیل جعل عمیق صوتی و ویدیویی، تحلیل و پردازش داده‌های گفتاری و صوتی، و همچنین طراحی و پیاده‌سازی مدل‌ها و الگوریتم‌های یادگیری فدرال است.











 
آزمایشگاه اینترنت اشیاء
آزمایشگاه پژوهشی اینترنت اشیا زیرساخت‌های لازم پژوهشی در زمینه اینترنت اشیا را در سطح تجهیزات و شبکه فراهم آورده‌است. با پیشرفت این فناوری و کاربردی‌سازی آن، چالشهای زیادی در سطوح مختلف این فناوری وجود دارد و تحقیقات کاربردی در این موضوعات در سطح تجهیزات نهفته،  ارتباطات شبکه، رایانش لبه و ابری در این آزمایشگاه در حال انجام است که می‌تواند منجر به ارائه محصول و تجاری سازی نیز شود.فعالیت های اصلی این آزمایشگاه شامل،طراحی بهینه و پیاده سازی سامانه‌های نهفته و سایبرفیزیکی،ارزیابی عملکرد و بهبود کارایی پروتکل‌های ارتباطی در اینترنت اشیا،ارزیابی و ارتقای امنیت در اینترنت اشیا،توسعه سامانه‌های اینترنت اشیا در کاربردهای متنوع مانند خانه هوشمند، کنترل صنعتی، وسایل نقلیه هوشمند و شهر هوشمند،زمان‌بندی و تخصیص منابع بی‌درنگ در رایانش لبه و ابری







 
​​​​​​
آزمایشگاه بینایی سه­ بعدی کامپیوتری و فشرده سازی هوشمند
حوزه‌های کلیدی فعالیت این آزمایشگاه شامل بینایی ماشین و درک صحنه، فشرده‌سازی تصویر و ویدئو، پردازش و بهبود کیفیت تصاویر و توسعه کاربردهای صنعتی و نوآورانه است. در حوزه بینایی ماشین و درک صحنه، توسعه الگوریتم‌های تشخیص، قطعه‌بندی و ردیابی اشیاء، تخمین عمق و بازسازی سه‌بعدی از تصاویر دوبعدی، تحلیل سه‌بعدی صحنه، طراحی و توسعه سیستم‌های چنددوربینه و چندنمایی، تحلیل خودکار صحنه‌های ویدئویی در شرایط واقعی و بلادرنگ و توسعه مدل‌های عمیق تولید تصویر و ویدئو مورد توجه قرار می‌گیرد. در زمینه فشرده‌سازی تصویر و ویدئو نیز پژوهش بر روش‌های نوین فشرده‌سازی مبتنی بر مدل‌های یادگیری عمیق و روش‌های فشرده‌سازی کم‌اتلاف برای کاربردهای پزشکی و صنعتی متمرکز است. همچنین، در حوزه پردازش و بهبود کیفیت تصویر، استفاده از مدل‌های مولد و شبکه‌های عصبی برای حذف نویز، افزایش وضوح و رزولوشن تصاویر و بازسازی تصاویر فشرده یا آسیب‌دیده دنبال می‌شود. در بخش کاربردهای صنعتی و نوآورانه نیز پیاده‌سازی سامانه‌های بینایی ماشین در حوزه‌هایی همچون نظارت هوشمند، کنترل کیفیت، تحلیل ویدئویی در شهرهای هوشمند، خودروهای خودران، سیستم‌های کمک‌راننده هوشمند و اسکن سه‌بعدی اشیاء مورد توجه قرار دارد.
 
آزمایشگاه هوش اشیاء
 
فعالیت‌های پژوهشی و علمی شامل انجام پژوهش‌های عملی با هدف افزایش ضریب تأثیر پژوهش‌ها، توسعه الگوریتم‌های هوش مصنوعی برای تحلیل داده‌های حاصل از حسگرها و دستگاه‌های اینترنت اشیا (IoT)، طراحی و پیاده‌سازی معماری‌های هوشمند برای شبکه‌های اشیای متصل، پژوهش در زمینه امنیت داده‌ها و حریم خصوصی در سیستم‌های هوش مصنوعی و اینترنت اشیا (AIoT) و مطالعه روش‌های یادگیری ماشین به‌منظور بهینه‌سازی مصرف انرژی در دستگاه‌های هوشمند است. در حوزه فعالیت‌های کاربردی و صنعتی نیز ایجاد نمونه‌های آزمایشی (Prototype) از سیستم‌های هوشمند در حوزه‌های انبارداری، سلامت، حمل‌ونقل و کشاورزی، طراحی راهکارهای هوشمند برای ردیابی و مدیریت دارایی‌ها با استفاده از برچسب‌های هوشمند و حسگرها، توسعه پلتفرم‌های یکپارچه برای اتصال دستگاه‌های IoT به سامانه‌های تحلیلی مبتنی بر هوش مصنوعی و همکاری با صنایع برای تست و ارزیابی فناوری‌های نوین در محیط‌های واقعی دنبال می‌شود. همچنین، فعالیت‌های آموزشی و نوآورانه شامل برگزاری کارگاه‌ها و دوره‌های آموزشی در زمینه هوش مصنوعی و اینترنت اشیا برای دانشجویان و متخصصان، ایجاد فضای نوآوری برای استارتاپ‌ها و تیم‌های تحقیقاتی با هدف توسعه محصولات هوشمند، انتشار مقالات علمی و گزارش‌های پژوهشی در حوزه AIoT و برگزاری مسابقات و چالش‌های نوآوری برای جذب ایده‌های جدید است. در بخش فعالیت‌های راهبردی و آینده‌نگر نیز تدوین نقشه راه فناوری‌های AIoT برای صنایع مختلف، انجام مطالعات تطبیقی درباره فناوری‌های شناسایی، توسعه استانداردها و چارچوب‌های عملیاتی برای پیاده‌سازی سیستم‌های هوشمند در مقیاس بزرگ و همکاری‌های بین‌المللی با مراکز پژوهشی و دانشگاه‌ها به‌منظور تبادل دانش و تجربه مورد توجه قرار می‌گیرد.
آزمایشگاه شتابدهی سخت افزاری و یادگیری هوشمند
آزمایشگاه HAIL بر طراحی، تحلیل و پیاده‌سازی سیستم‌های محاسباتی پیشرفته برای بارهای کاری یادگیری ماشین تمرکز دارد و فعالیت‌های پژوهشی آن در مرز میان معماری کامپیوتر، طراحی سخت‌افزار، کامپایلرهای یادگیری ماشین و الگوریتم‌های یادگیری ماشین قرار می‌گیرد. هدف اصلی این آزمایشگاه، توسعه نسل جدیدی از شتاب‌دهنده‌های کارا، کم‌مصرف و با کارایی بالا برای بهبود و تحول در اجرای مدل‌های یادگیری ماشین است. از جمله محورهای پژوهشی آزمایشگاه می‌توان به توسعه شتاب‌دهنده‌های مبتنی بر FPGA با معماری‌های قابل پیکربندی و تطبیق‌پذیر، به‌منظور اجرای بهینه مدل‌های مختلف یادگیری عمیق شامل شبکه‌های CNN، Transformer، مدل‌های زمان‌محور و شبکه‌های سبک، اشاره کرد. همچنین، هم‌طراحی سخت‌افزار و نرم‌افزار در سیستم‌های هوش مصنوعی با هدف افزایش کارایی اجرای مدل‌های یادگیری ماشین، طراحی دستورالعمل‌های سفارشی برای شتاب‌دهنده‌ها و هماهنگ‌سازی اجرای مدل‌ها با محدودیت‌های معماری از دیگر زمینه‌های فعالیت این آزمایشگاه است. طراحی معماری‌های نوین کامپیوتری به‌طور اختصاصی برای بارهای کاری یادگیری ماشین و توسعه پردازنده‌های ویژه هوش مصنوعی نیز از محورهای مهم پژوهشی به شمار می‌رود. علاوه بر این، پژوهش در زمینه فناوری‌های نوظهور سخت‌افزار هوش مصنوعی، از جمله طراحی شتاب‌دهنده‌های کم‌مصرف برای هوش مصنوعی لبه (Edge AI) و معماری‌های اختصاصی برای شبکه‌های عصبی اسپایکی (SNN)، و همچنین طراحی معماری‌ها و سخت‌افزارهای بهینه برای اجرای مدل‌های زبانی بزرگ (LLMs) مانند GPT، LLaMA و Mistral، از دیگر حوزه‌های مورد توجه آزمایشگاه HAIL است.