O jednostce

Problematyka badawcza

Katedra Informatyki Wydziału Matematyki i Informatyki Uniwersytetu Mikołaja Kopernika w Toruniu prowadzi badania naukowe w zakresie informatyki teoretycznej, stosowanej oraz metod obliczeniowych wspierających analizę danych i rozwiązywanie problemów współczesnej nauki i techniki. Profil badawczy Katedry łączy zagadnienia fundamentalne z obszarami o dużym potencjale aplikacyjnym, rozwijanymi we współpracy interdyscyplinarnej oraz z uwzględnieniem aktualnych trendów technologicznych. Zakres badań na WMiI obejmuje m.in. logiczne aspekty informatyki, modelowanie komputerowe, obliczenia równoległe i rozproszone, programowanie rozproszone i równoległe oraz przetwarzanie obrazów cyfrowych, a oferta dydaktyczna kierunku informatyka wskazuje także na silną obecność sztucznej inteligencji, kryptografii i eksploracji danych.

Do głównych obszarów badawczych Katedry należą w szczególności:

• logiczne i teoretyczne podstawy informatyki, sieci Petriego, modelowanie formalne
• systemy wieloagentowe, logika strategiczna, weryfikacja formalna
• inżynieria oprogramowania, analiza repozytoriów, bezpieczeństwo,
• obliczenia równoległe i rozproszone,
• algorytmy i struktury danych,
• sztuczna inteligencja i uczenie maszynowe,
• analiza danych, przetwarzanie sygnałów i zastosowania medyczne
• bazy danych i analiza danych czasowych
• dydaktyka informatyki i nowoczesne technologie w kształceniu.

Badania prowadzone w Katedrze mają zarówno charakter podstawowy, jak i aplikacyjny. Ich wyniki znajdują zastosowanie w analizie dużych zbiorów danych, systemach inteligentnych, bezpiecznej komunikacji, przetwarzaniu informacji oraz projektowaniu nowoczesnych rozwiązań programistycznych i obliczeniowych.

Publikacje ujęte w materiałach konferencji Informatyka w Edukacji dokumentują aktywność Katedry w obszarze dydaktyki informatyki, obejmując zagadnienia kształcenia informatycznego, metodyki nauczania, kompetencji cyfrowych oraz popularyzacji nowoczesnych narzędzi i treści informatycznych na różnych etapach edukacji.

Bieżące publikacje związane z problematyką badawczą

Wyniki badań pracowników katedry publikowane są w międzynarodowych czasopismach oraz recenzowanych materiałach prestiżowych konferencji informatycznych, w tym indeksowanych w bazie DBLP. Dorobek publikacyjny pracowników Katedry Informatyki Wydziału Matematyki i Informatyki Uniwersytetu Mikołaja Kopernika w Toruniu z ostatnich dziesięciu lat koncentruje się wokół kilku głównych obszarów badawczych. Najsilniej reprezentowane są metody formalne i sieci Petriego, systemy wieloagentowe i weryfikacja formalna, inżynieria oprogramowania i bezpieczeństwo, a także obliczenia równoległe i rozproszone.

Logiczne i teoretyczne podstawy informatyki, sieci Petriego, modelowanie formalne

W tym obszarze szczególnie widoczny jest dorobek Kamili Barylskiej, Łukasza Mikulskiego, Marcina Piątkowskiego i Anny Gogolińskiej, koncentrujący się na współbieżności, odwracalności obliczeń i modelowaniu za pomocą sieci Petriego.

• M. Koutny, Ł. Mikulski, M. Pietkiewicz-Koutny, An extension of the taxonomy of persistent and nonviolent steps.
• J. Fernandes, M. Koutny, Ł. Mikulski, M. Pietkiewicz-Koutny, D. Sokolov, A. Yakovlev, Persistent and Nonviolent Steps and the Design of GALS Systems.
• R. Janicki, J. Kleijn, M. Koutny, Ł. Mikulski, Relational structures for concurrent behaviours.
• R. Janicki, J. Kleijn, M. Koutny, Ł. Mikulski, Classifying invariant structures of step traces.
• R. Janicki, J. Kleijn, M. Koutny, Ł. Mikulski, Paradigms of concurrency : observations, behaviours, and systems : a Petri Net view.
• R. Janicki, J. Kleijn, M. Koutny, Ł. Mikulski, Relational structures for interval order semantics of concurrent systems.
• R. Janicki, M. Koutny, Ł. Mikulski, Interval traces with mutex relation.
• D. de Frutos Escrig, M. Koutny, Ł. Mikulski, Investigating reversibility of steps in Petri Nets.
• K. Barylska, A. Gogolińska, Acyclic and cyclic reversing computations in Petri Nets.
• E. Erofeev, K. Barylska, Ł. Mikulski, M. Piątkowski, Generating all minimal Petri net unsolvable binary words.
• J. Kleijn, M. Koutny, Ł. Mikulski, Reaction systems and enabling equivalence.
• R. Janicki, Ł. Mikulski, Algebraic structure of step traces and interval traces.
• D. de Frutos Escrig, M. Koutny, Ł. Mikulski, Reversing steps in Petri nets.
• D. de Frutos Escrig, M. Koutny, Ł. Mikulski, An efficient characterization of Petri net solvable binary words.
• A. Gogolińska, Ł. Mikulski, M. Piątkowski, GPU computations and memory access model based on Petri nets.
• M. Koutny, Ł. Mikulski, Encoding reaction systems in Petri nets.
• A. Męski, M. Koutny, Ł. Mikulski, I. Petre, W. Penczek, M. Piątkowski, Model checking for distributed reaction systems with temporal-epistemic properties.
• M. Kaniecki, Ł. Mikulski, On categorical approach to reaction systems.
• A. Męski, M. Koutny, Ł. Mikulski, W. Penczek, Reaction mining for reaction systems.
• K. Barylska, A. Gogolińska, Ł. Mikulski, A. Philippou, M. Piątkowski, K. Psara, Formal translation from reversing Petri nets to coloured Petri nets.
• A. Gogolińska, W. Nowak, Bipartite Graphs – Petri Nets in Biology Modeling.
• B. Aman i in., Foundations of reversible computation.
• K. Barylska, M. Koutny, Ł. Mikulski, M. Piątkowski, Reversible computation vs. reversibility in Petri nets.
• J. Kleijn, M. Koutny, Ł. Mikulski, G. Rozenberg, Reaction systems, transition systems and equivalences.
• K. Barylska, E. Erofeev, M. Koutny, Ł. Mikulski, M. Piątkowski, Reversing transitions in bounded Petri nets.
• K. Barylska, E. Best, E. Erofeev, Ł. Mikulski, M. Piątkowski, Conditions for Petri net solvable binary words.
• R. Janicki, J. Kleijn, M. Koutny, Ł. Mikulski, Step traces.
• K. Barylska, A. Gogolińska, R. Jakubowski, W. Nowak, Petri nets formalism facilitates analysis of complex biomolecular structural data.
• K. Barylska, F. Delaplace, A. Gogolińska, E. Pańkowska, Glucagon and insulin production in pancreatic cells modelled using Petri nets and Boolean networks.
• M. Kaniecki, M. Piątkowski, A modular Petri net model for the interlocking post control system.
• K. Barylska, A. Gogolińska, Ł. Mikulski, A. Philippou, M. Piątkowski, K. Psara, Reversing computations modelled by Coloured Petri Nets.
• A. Gogolińska, W. Nowak, OPOA : a Petri net generation algorithm for molecular dynamics analysis.
• K. Barylska, E. Best, U. Schlachter, V. Spreckels, Properties of plain, pure, and safe Petri nets.
• K. Barylska, E. Best, Properties of plain, pure, and safe Petri nets – with some applications to Petri net synthesis.

Systemy wieloagentowe, logika strategiczna, weryfikacja formalna

Ten nurt badawczy jest silnie związany z pracami Wojciecha Jamrogi, Damiana Kurpiewskiego, Mateusza Kamińskiego, Łukasza Mikulskiego i współautorów. Obejmuje weryfikację modelową (model checking), logiki strategiczne, analizę systemów wieloagentowych i formalne badanie protokołów głosowania elektronicznego.

• D. Kurpiewski, W. Jamroga, Y. Kim, Approximate verification of strategic abilities under imperfect information using local models.
• M. Kamiński, D. Kurpiewski, W. Jamroga, NatSTV : towards verification of natural strategic ability.
• W. Jamroga, M. T. Godziszewski, A. Murano, Strategies, credences, and Shannon entropyv: reasoning about strategic uncertainty in stochastic environments.
• M. Kamiński, D. Kurpiewski, W. Jamroga, STV+KH : towards practical verification of strategic ability for knowledge and information flow.
• W. Jamroga, M. Knapik, D. Kurpiewski, Ł. Mikulski, Approximate verification of strategic abilities under imperfect information.
• D. Kurpiewski, M. Kamiński, W. Jamroga, STV+FLY : on-the-fly model checking of strategic ability in multi-agent systems.
• W. Jamroga, Ł. Maśko, Ł. Mikulski, W. Pazderski, W. Penczek, T. Sidoruk, D. Kurpiewski, Verification of multi-agent properties in electronic voting : a case study.
• W. Jamroga, Y. Kim, D. Kurpiewski, Scalable verification of social explainable AI by variable abstraction.
• Ł. Mikulski, W. Jamroga, D. Kurpiewski, Assume-guarantee verification of strategic ability.
• F. Adobbati, Ł. Mikulski, Analysing multi-agent systems using 1-safe Petri Nets.

Inżynieria oprogramowania, analiza repozytoriów, bezpieczeństwo

W ostatnich latach bardzo wyraźnie zaznacza się dorobek Piotra Przymusa, Jakuba Narębskiego, Krzysztofa Rykaczewskiego i współautorów w zakresie jakości oprogramowania, analizy zmian, podatności oraz bezpieczeństwa łańcucha dostaw.

• P. Przymus i in., HaPy-Bug : human annotated Python Bug resolution dataset.
• P. Przymus, M. Fejzer, J. Narębski, K. Rykaczewski, K. Stencel, Out of sight, still at risk : the lifecycle of transitive vulnerabilities in Maven.
• J. Narębski, M. Fejzer, K. Stencel, P. Przymus, PatchScope : a modular tool for annotating and analyzing contributions.
• P. Przymus, T. Durieux, Wolves in the repository : a software engineering analysis of the XZ Utils supply chain attack.
• P. Przymus, M. Fejzer, J. Narębski, K. Stencel, How I learned to stop worrying and love ChatGPT.
• P. Przymus, M. Fejzer, J. Narębski, K. Stencel, The Secret Life of CVEs.
• M. Fejzer, J. Narębski, P. Przymus, K. Stencel, Tracking buggy files : new efficient adaptive bug localization algorithm.
• K. Kaczmarski, J. Narębski, S. Piotrowski, P. Przymus, Fast JSON parser using metaprogramming on GPU.
• K. Kaczmarski, P. Przymus, Fixed length lightweight compression for GPU revised.
• J. Narębski, Mastering Git : attain expert-level proficiency with Git for enhanced productivity and efficient collaboration by mastering advanced distributed version control features.
• P. Przymus, K. Rykaczewski, J. Zieliński, Ł. Mikulski, Segmentation and process assignment of semi-structured event logs.

Obliczenia równoległe i rozproszone, HPC, Big Data

Ten obszar reprezentują przede wszystkim Marek Nowicki i Łukasz Górski. Publikacje dotyczą skalowalnych obliczeń w Javie, biblioteki PCJ, modelu PGAS oraz przetwarzania dużych zbiorów danych.

• M. Nowicki, M. Mroczek, D. Mukhedkar, P. Bała, V. N. Pimenoff, L. S. Arroyo Mühr, HPV-KITE : sequence analysis software for rapid HPV genotype detection.
• M. Nowicki, Ł. Górski, P. Bała, PCJ Java library as a solution to integrate HPC, Big Data and Artificial Intelligence workloads.
• M. Nowicki, Ł. Górski, P. Bała, Performance evaluation of Java/PCJ implementation of parallel algorithms on the cloud.
• M. Nowicki, Comparison of sort algorithms in Hadoop and PCJ.
• M. Chlebiej i in., Quality improvement of OCT angiograms with elliptical directional filtering.
• M. Nowicki, Ł. Górski, P. Bała, Performance evaluation of Java/PCJ implementation of parallel algorithms on the cloud (extended version).
• M. Burzańska, P. Wiśniewski, K. Stencel, Recursive queries : twenty-five years after SQL:1999.
• M. Nowicki, Ł. Górski, P. Bała, PCJ – Java library for highly scalable HPC and Big Data processing.
• M. Nowicki, D. Bzhalava, P. Bała, Massively parallel sequence alignment with BLAST through work distribution implemented using PCJ library.
• Ł. Górski, P. Bała, F. Rakowski, A case study of software load balancing policies implemented with the PGAS programming model.
• Ł. Górski, F. Rakowski, P. Bała, Parallel differential evolution in the PGAS programming model implemented with PCJ Java library.

Algorytmy i struktury danych

Choć jest to nurt mniej liczny niż metody formalne czy systemy wieloagentowe, stanowi ważny element profilu badawczego Katedry. W DBLP wyraźnie widoczny jest tu dorobek Marcina Piątkowskiego.

• J. Kärkkäinen, M. Piątkowski, S. J. Puglisi, String inference from longest-common-prefix array.
• H. Bannai, J. Kärkkäinen, D. Köppl, M. Piątkowski, Constructing and indexing the bijective and extended Burrows–Wheeler transform.
• H. Bannai, J. Kärkkäinen, D. Köppl, M. Piątkowski, Indexing the bijective BWT.
• J. Kärkkäinen, D. Kempa, M. Piątkowski, Tighter bounds for the sum of irreducible LCP values.

Analiza danych, uczenie maszynowe

Ten obszar obejmuje badania nad analizą danych, uczeniem maszynowym oraz modelowaniem i prognozowaniem szeregów czasowych, zarówno w ujęciu metodologicznym, jak i aplikacyjnym. Publikacje w tym nurcie dotyczą m.in. eksploracji danych wielowymiarowych, selekcji cech oraz zastosowań metod data science w problemach rzeczywistych.

• D. D’Elia i in., Advancing microbiome research with machine learning : key findings from the ML4Microbiome COST action.
• L. J. Marcos-Zambrano i in., A toolbox of machine learning software to support microbiome analysis.
• K. Niedzielewski i in., Forecasting SARS-CoV-2 epidemic dynamic in Poland with the pDyn agent-based model.
• L. J. Marcos-Zambrano i in., Applications of machine learning in human microbiome studies : a review on feature selection, biomarker identification, disease prediction and treatment.
• I. Moreno-Indias i in., Statistical and machine learning techniques in human microbiome studies : contemporary challenges and solutions.
• P. Przymus, Y. Hmamouche, A. Casali, L. Lakhal, Improving multivariate time series forecasting with random walks with restarts on causality graphs.

Analiza danych, przetwarzanie sygnałów i zastosowania biomedyczne

W dorobku Katedry obecne są także publikacje pokazujące zastosowania metod informatycznych w analizie struktur biologicznych, sygnałów i danych medycznych.

• M. Komorowski i in., ToFFi – Toolbox for frequency-based fingerprinting of brain signals.
• M. Chlebiej, A. Żurada, J. Gielecki, M. A. Pawlak, M. Szkulmowski, Customizable tubular model for n-furcating blood vessels and its application to 3D reconstruction of the cerebrovascular system.
• E. G. Gebregeorgis, J. Boniecka, M. Piątkowski, I. Robertson, C. B. K. Rathgeber, SabaTracheid 1.0 : a novel program for quantitative analysis of conifer wood anatomy : a demonstration on African Juniper from the Blue Nile basin.
• M. Chlebiej, A. Rutkowski, A. Żurada, J. Gielecki, K. Polak-Boroń, Interactive CT/MRI 3D fusion for cerebral system analysis and as a preoperative surgical strategy and educational tool.
• M. Chlebiej, A. Żurada, J. Gielecki, CT/MRI 3D fusion for cerebral system analysis.
• M. Mroczek, M. Nowicki, D. Mukhedkar, V. N. Pimenoff, L. S. Arroyo Mühr, Assessing targeted viral detection between different metagenomic tools.
• M. Nowicki, M. Mroczek, D. Mukhedkar, P. Bała, V. N. Pimenoff, L. S. Arroyo Mühr, HPV-KITE for high-performance metagenomics data analysis.
• K. Tołpa i in., Spectral fingerprinting reveals gradients of frequency activity across brain regions.
• M. Mroczek, M. Nowicki, Ł. Górski, S. Arroyo Mühr, A. Ormenisan, P. Bała, High performance AI based tool for mining and classification of viral genomes in human exposome metadata.
• E. G. Gebregeorgis, J. Boniecka, M. Piątkowski, SabaTracheid 1.0 : software for quantitative conifer wood anatomy analysis.

Bazy danych i analiza danych czasowych

Ten obszar jest mniej liczny w DBLP niż główne nurty działalności Katedry, ale pozostaje widoczny w publikacjach związanych z językami zapytań, zarządzaniem danymi oraz analizą szeregów czasowych.

• M. Burzańska, P. Wiśniewski, K. Stencel, Recursive queries : twenty-five years after SQL:1999.
• M. Zimniak, B. Franczyk, M. Burzańska, P. Wiśniewski, Heuristic algorithm for periodic patterns discovery in a database workload reconstruction.
• M. Burzańska, Data model for rich time series data and Chameleon query language.
• M. Zimniak, M. Burzańska, B. Franczyk, On some heuristic method for optimal database workload reconstruction.
• M. Burzańska, P. Wiśniewski, How poor is the „Poor Man’s Search Engine”?.
• R. Bocian, D. Pawłowska, K. Stencel, P. Wiśniewski, OpenMP as an efficient method to parallelize code with dense synchronization.
• I. Szulc, K. Stencel, P. Wiśniewski, Using genetic algorithms to optimize redundant data.
• A. Boniewicz, P. Wiśniewski, K. Stencel, Estimating costs of materialization methods for SQL:1999 recursive queries.
• M. Chlebiej, P. Habela, A. Rutkowski, I. Szulc, P. Wiśniewski, K. Stencel, Architectural challenges of genotype-phenotype data management.
• M. Burzańska, P. Krukowski, P. Wiśniewski, Extending DQL with recursive facilities.