Interjú Horváth Zoltánnal, az európai ipari és innovációs matematika szolgáltatási hálózata, az EU-MATHS-IN új elnökével
Dr. Horváth Zoltán (Fotó: Májer Csaba József)
Horváth Zoltán 2013 óta a Magyar Matematikai Ipar és Innovációs Szolgáltatási Hálózat, a HU-MATHS-IN, 2020 decembere óta pedig az európai EU-MATHS-IN elnöke. 2006 óta vezeti a győri Széchenyi István Egyetem Matematikai és Informatikai Tanszékét. Milyen út vezetett Győrből Európába?
Tanszékünkön 26 állandó, több óraadó, és néhány, határozott időre, egy 2017-ben indult EFOP projektre felvett munkatárs van, jelenleg ötvenen vagyunk. Félévente 7000 tárgyfelvétel van a tanszékünkön, az összes mérnöki, közgazdasági szakokon mi tanítjuk a matematikát és az alapinformatikát is. Huszonegyen matematikát, öten informatikát tanítanak, de a matematikát tanítóknak sok interdiszciplináris tárgyuk is van. Például én a mérnökök képzésében az Ipari matematika és számítógépes szimuláció választható tárgyat már 15 éve tanítom. Ez nagyon népszerű a diákok körében, pedig a nevében ott a matematika. 2020 szeptemberében indult az első saját szakunk, a Computer Science, azaz a programtervező informatikus mesterképzés, ami valójában egy alkalmazott matematika szak, ahol a két fő téma az AI és a Digital Twins.
Mit takarnak ezek a kifejezések?
Az AI (Artifical Intelligence) a ma már egyre ismertebb mesterséges intelligencia. A digitális ikrek az ipari szimulációknak egy új szakaszát, új korszakát jelentik. Szimulációt már a 80-as évek óta rengeteg ipari fejlesztő cég használ, számítógéppel segített terméktervezéshez. Sok esetben előfordul, hogy a terméket csak számítógépen tervezik meg. Mondjuk egy autó tervezésekor arra kíváncsiak, hogy a menettulajdonságokat figyelembe véve hogyan hűl az az adott teljesítmény mellett működő motor, megfelelő-e a hűtés? Ezt számítógépes kísérletekkel lövik be, hogy utána minél kevesebbet kelljen a gyakorlatban megépíteni. Napjainkban is nagy cégeknél külön részlegek foglalkoznak ilyen szimulációkkal. Persze végeznek méréseket a gyakorlatban is, de sokkal kevesebbet kell mérni, ha szimulációt is használnak.
A digitális ikrek egy most feljövő technológia, amit például a Forbes magazin is a következő öt év első 5 legnagyobb hatású eszköze, vezető technológiája közé sorolt. Egy klasszikus szimuláció a felvett adatok számítógépes reprezentálása, megismétlése, a digitális iker viszont a valóság egy változó termékének alkotja meg a digitális mását. Például az üzemidő során változik az a valódi folyamat vagy a valódi motor viselkedése, de ha ez szenzor-összeköttetésben van a számítógépes szimulációval, akkor a szenzoradatokon keresztül a szimulációt újra lehet kalibrálni. Ezáltal, ha matematikailag jól megalapozott a szimuláció − ez végül is matematika, csak egy számítógépes keretrendszert raktak rá − akkor létrehozható az adott gép digitális mása, mert a szenzoradatokon keresztül a tényleges mindenkori állapotának megfelelő értékeket asszimilálni lehet, be lehet építeni a szimulációba.
A szenzor folyamatosan küldi az adatokat?
Ez így van, és az adatokat elemezni kell, ebben gépi tanulási és más eszközök is segítenek. A digitális modellen ki lehet számolni olyan tényezőket is, amiket nem mérnek a szenzorok, és vissza lehet hatni a rendszerre. A legelső „ikret” a NASA holdutazás-programjánál használták. Amikor valami meghibásodott az űrben, a földi szimulátor segítségével tudták megoldani a problémát. Akkor még az űreszköznek nem a digitális mását készítették el a Földön a laborban, hanem egy fizikai mását, egy fizikai ikret, és azon teszteltek egy csomó olyan beavatkozást, amit végül megvalósítottak az űrben. A mai technológia már digitális ikerrel működik.
A matematika milyen ágai szükségesek az új technológiákhoz?
A legkézenfekvőbb matematikai diszciplínák a numerikus módszerek, a differenciálegyenletek numerikus módszerei, az optimalizálás. Mi ezeknek vizsgáljuk nagyrészt járműipari és ahhoz köthető alkalmazásait. Volt ipari jellegű alkalmazásunk is, nagy feszültségű árammegszakítók szimulációja, ahol nagyon nehéz fizikai körülményeket kellett szimulálni. Egy másik terület az egészségügy, ott inkább a gépi tanuláson, a mesterséges intelligencián alapul az együttműködésünk a győri Petz Aladár Egyetemi Oktató Kórházzal. Nagyon jelentős eredményt értünk el például a vastag- és végbéldaganatok endoszkópos vizsgálatánál. Amikor a vizsgálatot végző orvos észrevesz egy polipot, egy elváltozást a bélfelszínen, akkor döntenie kell, hogy azt lecsípi-e vagy sem. Az együttműködésünk során adatokat gyűjtöttünk valódi ilyen eseményekből, ezeket hisztológiai, patológiai elemzésnek vetették alá a kórház megfelelő osztályán. Ebből lett egy tanítókészletünk arra, hogy mi az orvos által látott kép és mit mond arról a hisztológia. Ebből fejlesztettünk egy gépi tanuláson nyugvó algoritmust. Ennek az algoritmusnak a találati pontossága egy átlagos orvosénál jobb, a legtapasztaltabb orvos találati pontosságát még éppen nem érjük el, mert még nincs annyi adatunk, de egy kezdő orvosénál mindenképpen jobb, ezt leteszteltük.
Az, hogy egy ilyen együttműködés sikeres legyen, rengeteg munka, idő, és egy olyan csapat szükséges hozzá, ahol egy kicsit mindenki belelát a másik területére.
Ha innovációt akarunk, ahhoz nagyon jól kell tudni a matematikát. Hadd mondjak egy konkrét példát: most egy olyan közvetlenül brüsszeli finanszírozású nagy nemzetközi projektben vagyunk benne, amelyben globális társadalmi hatásai lehetnek a HPC (High Performance Computing), szuperszámítógépeken futó AI alapú alkalmazásoknak. Győri csoportunk 3 ilyen fejlesztése közül az egyik a városi légszennyezés nagy pontosságú modellezése. Ebben a projektben egy nagyon komoly mérőhálózatot fejlesztettünk ki a járművek mozgásának vizsgálatára. Győrben 82 rendszámot is felismerő kamera nézi, hogy hol, mikor, milyen autó bukkan fel. Kódoltan megkapjuk a rendszámokat, így tudjuk, hogy egy-egy autó honnan hova közlekedik. A Bosch 5 nagypontosságú légszennyezésmérő szenzort telepített, ennek az adatai szintén hozzánk futnak be. Természetes, hogy a matematikus nem tud működni, ha nincs a csapatában olyan ember, villamosmérnök, hálózathoz értő informatikus, aki ezeket az adatokat megfelelően tudja kezelni. Mi az adatokból tudunk egy számítást adni, egyrészt a közlekedést le tudjuk szimulálni, másrészt járműmodellek alapján a közlekedésbeni paramétereket figyelembe véve tudjuk becsülni az emissziót, mennyi szennyeződést bocsátott ki az autó. Ezen kívül a 3D geometriát, a házak elhelyezkedését, minden tényezőt figyelembe véve, ki kell számolni, hogy egyrészt hogyan áramlik a levegő, másrészt abban hogy oszlik szét a szennyeződés. Ehhez meg kell oldani a Navier-Stokes-egyenleteket az egész városra, tehát óriási területre kiterjedően. A numerikus megoldás még mindig kihívás a matematikusoknak, hogyan lehet ezt gyorsan, jól megcsinálni, pláne akkor, ha mondjuk, a szimulációs tartomány 4x4x1 kilométeres! És úgy, hogy az utca szintjén 1 méteres felbontás legyen! Tehát most a városi légszennyezés digitális ikrét készítjük el.
Más városokban is alkalmazható ez a rendszer?
Városi szél számítása nagy térbeli felbontással (2 méter felbontás utca szinten), a Bolognai Egyetem egy részére alkalmazva. Bal oldali kép: teljes modell (192 ezer ismeretlen időlépésenként), jobb oldali kép: adatok alapján matematikai modszerrel betanított, 150 szabadsági fokú modell számítási eredménye. (HZ, Constans M. (SZE))
A validációs terület Győr, de olyan rendszert fejlesztettünk, ami minden olyan városra alkalmas, ami az Open Street Map-en rajta van. Van is rá érdeklődés, hiszen ez egy termék: a HORIZON2020 EU-s projektjei és a 2021-27-es programozási időszak HORIZON EUROPE most induló projektjei innovációs termékfejlesztések, amelyekben meg kell találni a matematika szerepét is.
Ezekben segíthet tehát az EU-MATHS-IN, az európai ipari innováció matematikai hálózata?
Az EU-MATHS-IN nemzetközi tevékenysége is arra irányul, hogy az európai kutatási programokban nagyobb szerepet tudjunk adni a matematikának. Az Európai Matematikai Társaság, az EMS, már évtizedek óta próbálja elérni, hogy legyenek olyan kutatási projektek, témák, amelyek kifejezetten az iparnak és az innovációnak szükséges matematikát támogatják. Habár az európai döntéshozók mindig elismerik ennek fontosságát, de azt, hogy bevegyék a munkaprogramba, hogy a matematikai kutatásainkra – amelyek segítik például ezeket a szimulációkat – dedikált pénzt adjanak, azt már nagyon nehéz elérni. Ezek a kísérletek kevés sikerrel jártak. Magához az innovációhoz közelebb állnak ugyanis az informatikusok, mérnökök, ők szervezik, és úgy gondolják, hogy a szükséges matematikai tudásuk is megvan hozzá. De olyan tudásuk mégsincs, mint amit mi tudunk adni egy közös együttműködésben az előbbre lépéshez. Mi viszont nélkülük nem tudunk terméket fejleszteni, így nekünk is szükségünk van partnerekre. Ezért alapította meg az EMS és az ECMI (European Consortium for Mathematics in Industry) 2013 novemberében az EU-MATHS-IN (European Service Network of Mathematics for Industry and Innovation) hálózatát, hogy ezeken a területeken az eddigiektől eltérő alapokon szerveződve sikeres legyen. Ugyanis az Európai Bizottság nem a tudományos társaságokat, hanem tipikusan az ipar által támogatott technológiai platformokat (European Technology Platforms) tekinti tárgyalófélnek.
Közreműködésemmel 2015 táján kezdtünk előrelépni ebben a kérdésben. Az lett az ötlet, hogy hozzunk létre a szolgáltatásokra egy külön társaságot, egy nemzeti hálózatok fölötti hálózatot. Minden európai országban van az ipari matematikusokat összefogó, inkluzív hálózat. Európai szinten az EU-MATHS-IN szervezi 17 ország nemzeti hálózatának működését.
Mindegyik részt vevő európai tagország a saját nemzeti kapcsolattartójával képviselteti magát, így azt a döntéshozási folyamatot, hogy a HORIZON 2020 és a most következő HORIZON EUROPE projektjeiben a matematikának adjanak dedikáltan súlyt, mi úgy tudjuk segíteni, hogy a mi nemzeti kapcsolattartóinktól ugyanazt kérjük, mint azok, akik a megfelelő EU-s bizottságokban nemzeti kérésként ezt előterjesztik.
Másrészt rátaláltunk arra, hogyan alakítsuk meg az ipari matematika európai technológiai platformját az EU-MATHS-IN közreműködésével. A többi, az Európai Bizottsággal már partnerségben levő nagy technológiai platform már régóta úgy működik, hogy benyújtanak egy stratégiai kutatási tervet. Ilyenek platformok például a Big Data Value Association, az ETP 4 HPC, a 5G IA, az 5G-s nagy európai hálózat, vagy a Cybersecurity. A mi európai ipari matematikai hálózatunkat hozzájuk hasonlóan hoztuk létre, mivel a digitalizáció szempontjából a legközelebb állnak hozzánk. Részben az én eredményem is, hogy 2020 decemberében sikerült velük aláírni egy együttműködési megállapodást: 8 platform[1], köztük az EU-MATHS-IN aláírta az un. TransContinuum Initiative egyezményt arról, hogy közösen adjunk arra javaslatokat az Európai Bizottságnak, hogy milyen pályázati felhívások készüljenek. Tehát most az európai ipari matematika már abban a pozícióban van, hogy nevesítve, a többi platformmal közösen, nem mint matematikai diszciplína, hanem mint technológiai téma jelenjen meg. Úgy kell megőriznünk a matematikát ezekben a projektekben, hogy az matematika maradjon, ugyanakkor technológiaként kell eladnunk.
Tehát az a cél, hogy ebbe a közös európai platformba proaktívan olyan témákat javasoljunk, amiben benne van a matematika, fogadtassuk el ezt a többiekkel, és utána közösen terjesszük ezt az Európai Bizottság elé, és ez már a 8 platform közös előterjesztése lesz!
Tudjuk már, hogy mi lesz az EU-MATHS-IN témája a közös előterjesztésben?
Ebben az együttműködésben mi vagyunk a Digital Twins zászlóvivői. A digitális ikrek lényege, hogy valós időben lehessen szimulálni egy bonyolult fizikai rendszert, ami nagyon nehéz, mivel a rendszernek iszonyú sok szabadsági foka van. A mérnök valós időben szeretné nézni a képernyőjén, hogy mi zajlik az eszköz belsejében. Ez a jövő egyik vezető technológiája, amiben fontos a matematika szerepe. Egyik kulcseszköze a Model Order Reduction, a modell rendcsökkentő módszerek használata: nagyon sok offline szimulációval felderítjük, hogy mi az igazán lényeges egy adott folyamatban (régebben egyszerűbb esetekben a főkomponens-analízist szokták erre használni). Betanító, training adatokat nyerünk a sok offline szimulációból, és abból állítjuk össze az online szimulációt, ami már nagyon gyors. Ehhez érteni kell a matematikát, és adott helyzetben egy új ötlettel, matematikai trükkel javítani a korábbi eredményeket.
A nagy, platformok közötti együttműködés januári online találkozóján sikerült kiharcolni, hogy hogy a közös előadásokból az első három közül kettőt az EU-MATHS-IN tartott. Az első előadást a Siemens tartotta a Digital Twinsről, amiben integrálni lehet a szenzoros mérnökök a tapasztalatait, a Big Datások tudását, hogy az offline szimulációk hatalmas adatmennyiségét hogyan kell feldolgozni, és a szuperszámítógépesekét, akik tudják, hogyan lehet ezeket hatékonyan lefuttatni. Én egy másik előadásban a győri fejlesztéseinket mutattam be.
Hogyan lett Ön a vezetője az EU-MATHS-IN-nek? Mivel kezdődött?
7 évvel ezelőtt a Berlini Műszaki Egyetem, a TU Berlin professzora, Volker Mehrmann vont be az EU-MATHS-IN létrehozásába. Ő most alkalmazott matematikusként (!) az EMS, az európai matematikai társaság elnöke. Vele 2011 körül tudományos kapcsolatban voltunk, ismertük egymás munkáját, érdekelték a magyar kutatás-fejlesztések. Engem kérdezett meg, hogy megszervezném-e a magyar ipari matematikai hálózatot. Megpróbáltam. Az ELTE-n annakidején a témavezetőm Stoyan Gisbert volt, akitől nagyon sokat tanultam, és rajta keresztül megismertem mindenkit, aki az ELTE-n, a BME-n vagy máshol ipari matematikával foglalkozott. Így mi voltunk az elsők, akik a 2013 novemberi EU-MATHS-IN megalakulása után 2 héttel megalakítottuk a magyar Matematikai Ipar és Innovációs Szolgáltatási Hálózatot, a HU-MATHS-IN-t. A 7 évvel ezelőtti alapítók matematikus professzorok, kutatók voltak, mostanra ez megváltozott, kutatócsoportok a tagjai: 7 egyetem 22 kutatócsoportja és két akkori MTA, mostani ELKH intézet, a Rényi Intézet és a SZTAKI csoportjai. (Csak néhány név a sok résztvevő közül: Csendes Tibor, Fridli Sándor, Gerencsér László, Röst Gergely, Simon Péter, Illés Tibor, Kis Tamás, Márkus László, Szeidl László,…, és kulső tanácsadoként Terlaky Tamás.)
Mennyire szoros a magyar hálózat együttműködése?
Nagyon szoros, 2017 nyarán indult el egy 1,4, milliárdos EFOP projekt a HU-MATHS-IN, tehát a magyar ipari és innovációs hálózat elmélyítése címmel[2]. Most is zajlanak a kutatások, rengeteg eredményes tevékenységünk volt, közöttük az iparból kiinduló matematikai tartalmú, célzott alapkutatási projektek. Közel ötven ipari indíttatású projektben kutatunk, a konzorciumi partnereken kívül (a Győri Széchenyi Egyetem, a Debreceni Egyetem és a Szegedi Tudományegyetem) más egyetemek kutatócsoportjainak részvételével. A pandémia miatt meghosszabbított projekt 2021. márciusában zárul egy online konferenciával[3].
Hogyan valósul meg az „elmélyítés” ebben a projektben?
Azoknak a legjobb modelleknek a bevezetésével, amiket én korábban Európában megismertem. Ilyen minta például Berlinben a Matheon kutatóközpont, amelynek az alapítói nagyon nagy matematikusok, Martin Grötschel és Mehrmann voltak. Célzott alapkutatási matematikai projektek otthona, azóta az Excellence Plus-ból is támogatják őket Németországban. Ahogyan ők szervezték a Matheont, lényegében azt csináltuk mi a HU-MATHS-IN-en belül. A spanyolok rendszerét is tanulmányoztuk – a spanyolok nagyon jók az üzleti kapcsolattartásban. A franciák kiemelkedőek az alkalmazott matematikai, ipari matematikai támogatásban, van például egy jó Job Portal-juk, ami most már az EU-MATHS-IN honlapjáról is elérhető. A teljesen nyilvános állásportálra cégek vagy cégekhez kapcsolódó kutatások matematikusoknak szóló állásajánlatait lehet föltenni. Ezt kicsit félve is reklámozzuk, hogy ne menjenek el a magyar matematikusok. Főleg franciák hirdetnek, de Franciaországban az ipari matematika tábora ezerszer nagyobb, mint Magyarországon. Láttam olyan, Párizsban szervezett matematikai vásárt, ahol rengeteg cég csak matematikai állásokat kínált a francia diákoknak, akik ott tömegével tolongtak. Azt a módszertant egy nagy magyar projektbe vettük át, illetve fejlesztettük, bekapcsolódva az európai vérkeringésbe.
Voltam Heidelbergben is, mert a német hálózat, a KoMSO nem azonos a Matheonnal. A KoMSO, a matematikai modellezés, szimuláció és optimalizáció bizottságának vezetője ideáig egy heidelbergi professzor, Hans Georg Bock volt. Vele többször találkoztunk, barátian elmagyarázta az összes működési lépésüket, hogy ők hogyan csinálták. Éppen a KoMSO mintájára indítjuk 2021 februárjában és márciusában az online ipari partnertalálkozóinkat, 5-6 nagy cég részvételével. Ezek a partnertalálkozók, úgynevezett Challenge Workshopok, nagyon népszerűek Németországban a KoMSO-nál. Általában egy szaktekintély tart egy előadást arról, hogy egy adott témának, amit aznap feldolgoznak, mik az ipari és a kutatási vonatkozásai. Utána van mondjuk két egyetemi kutató előadó, akik előadják, hogy mik a legkorszerűbb lehetőségek az ehhez kapcsolódó kutatás területén, majd következik két-három ipari cég, akik elmondják, hogy az adott területnek milyen kihívásait látják a saját cégüket, saját ipari területüket illetően. Az ipar szót mindig általános értelemben használjuk, tehát minden gazdasági szereplő tevékenyége „ipar”.
Példaként állt előttem egy igazi ipari matematikus, Wil Schilders, aki 30 évet dolgozott matematikusként a Philipsben; tőle, az EU-MATHS-IN megelőző elnökétől sokat ellestem a nemzetközi szervezetek vezetéséből, a nemzetközi kommunikációból.
A mostani workshopok milyen területeket céloznak meg?
Az első partnertalálkozónk témája Röst Gergely koordinálásával a járványterjedés ipari-gazdasági hatásai. A szegedi csoport és Ferenci Tamás az Óbudai Egyetemről modellezték az OTP-n belül a járványterjedést, hogy megtudják, hogyan kell elválasztani egy cégen belül az embereket ahhoz, hogy ne essenek ki a munkából. A következő a hálózatok és az egészségtudomány kapcsolata, a szegediek, Csendes Tiborék által vezetett orvosi tematika. Mesterséges intelligencia lesz a téma Debrecenben, az AI egészségipari alkalmazásai, a GE, és a Microsoft részvételével. Az idei március 26-i pedig a banki alkalmazások napja, a Morgan Stanley és az ELTE (Márkus László) vezetésével.
Ezek magyar vagy nemzetközi tapasztalatok megbeszélésére szolgálnak? Hiszen a szereplő cégek között sok a nemzetközi.
Elsősorban magyar, de mivel most a HU-MATHS-IN-nek és az EU-MATHS-IN-nek is ugyanaz az elnöke, szeretnék ezeknek a Challenge Day-eknek sokkal szélesebb körű láthatóságot biztosítani.
Milyennek látja Magyarországon és Európában az alkalmazott matematika terjedését?
Az EU-MATHS-IN külföldi képviselői is részt vettek Győrben 2016-ban a Bolyai Társulat Alkalmazott Matematikai Konferenciáján, amiről az Érintő is beszámolt. Itt a kerekasztal-beszélgetésben Volker Mehrmann elmondta, hogy mielőtt Berlinben bevezették a célzott matematikai alapkutatási projekteket és ennek keretet is adtak, akkor kezdetben a berlini matematikaprofesszorok (vannak vagy százan) 20 százalékának volt köze az alkalmazásokhoz. Ez nagyon hamar megváltozott éppen a fordítottjára, a berlini matematikusok 70%-a részt vett olyan projektekben, ahol alkalmazásokkal foglalkozott.
Dirk Hartman (matematikus, elméleti fizikus), aki a Siemensnél a digitális ikrek témát vezeti, volt az, aki az EU-MATHS-IN európai core teamjének vezetőjeként az EU-MATHS-IN zászlójára kitűzte a Digital Twins jelszót. Az elég impresszív, ha egy ilyen nagy cég, mint a Siemens egy „matematikai találmány” zászlóvivője!
A TU Berlinben a folyosón nagy posztereken bemutatják az összes korábbi projektjüket, öröm látni, milyen jók is voltak és hogy a legnagyobb matematikusaik neve is ott szerepel a megvalósítók között. Ott az alkalmazás nem másodlagos, a legjobbak is szívesen csinálják.
Jó volna, ha nálunk is ez irányban változna a közmegítélés, mert az egész társadalom talán másképp állna a matematikatanuláshoz, ha többet látna-tudna azokról a fantasztikus alkalmazásokról, alkotásokról, fejlesztésekről, amelyekben a matematikusok szerepe is kiemelt.
Amikor én tanultam matematikát, már akkor is volt alkalmazott matematika, de akkoriban nem láttuk, nem láthattuk, hogy ennyi mindenben használható majd évtizedek múltán a matematika.
Nem szeretem azt a kifejezést, hogy alkalmazott matematika, mert egy matematika van, és annak a különféle alkalmazásai. A matematikusoknak Magyarországon is egyre több lehetőségük nyílik arra, hogy bekapcsolódjanak az európai matematikai közéletbe, amiben mi most nagyon is benne vagyunk. Ha szeretnének valóságközeli feladatokat, akkor megfelelő teljesítménnyel és menedzseléssel az európai, az iparral együttműködő projektek erre lehetőséget adnak, ráadásul európai szintű fizetésekkel. Nem kell emiatt a fiatal kutatóknak külföldre költözni.
Reméljük, hogy a magyar matematika elismertsége a jövőben tehát még tovább növekszik, ebben Önöknek nagy szerepe lesz, amihez további sok sikert kívánok.
Oláh Vera
[1] • 5G IA, the 5G Infrastructure Association, • AIOTI, the Alliance of Internet Of Things Innovation, • BDVA, the Big Data Value Association, • CLAIRE, the Confederation of Laboratories for Artificial Intelligence Research in Europe, • ECSO, the European Cybersecurity Organisation, • ETP4HPC, the European Technology Platform for High-Performance Computing, • EU-Maths-In, the European Service Network of Mathematics for Industry and Innovation, • HiPEAC project (High Performance Embedded Architecture and Compilation).
[2] EFOP-3.6.2-16-2017-00015, A HU-MATHS-IN – Magyar Ipari Innovációs Matematikai Szolgáltatási Hálózat tevékenységének elmélyítése
[3] https://hu-maths-in.hu/hirek-es-esemenyek/xy-konferencia/