تمرکز بیشتر بر روی تحقیق هوش مصنوعی در موسسه Fraunhofer IIS
از آوریل ۲۰۲۴، دکتر کریستوفر موتشلر بخش محلی‌سازی و شبکه‌سازی را در مکان نورنبرگ موسسه Fraunhofer برای مدارهای یکپارچه IIS هدایت می‌کند. او جانشین دکتر گونتر روهمر می‌شود. تمرکز تحقیقاتی او یادگیری ماشینی در نقطه تقاطع با سیستم‌های محلی‌سازی مبتنی بر امواج است.
کریستوفر موتشلر از ۱۴ سال پیش در Fraunhofer IIS فعالیت دارد و از سال ۲۰۲۰، بخش محلی‌سازی دقیق و تحلیل‌ها را در مکان نورنبرگ هدایت می‌کند. او در دانشگاه فریدریش-آلکساندر ارلانگن-نورنبرگ (FAU) به تحصیل در رشته علوم کامپیوتر پرداخته و در سال ۲۰۱۴ در همین زمینه دکترا گرفته است. او تا کنون به عنوان مدرس یادگیری تقویتی در دانشکده یادگیری ماشینی و تحلیل داده FAU فعالیت دارد. تمرکز تحقیقاتی او بر یادگیری ماشینی در نقطه تقاطع با سیستم‌های محلی‌سازی مبتنی بر امواج است. این فعالیت‌ها و تعهد علمی بالای او در کنفرانس‌ها و مجامع معتبر مرتبط با هوش مصنوعی، مانند کنفرانس بین‌المللی موقعیت‌یابی داخلی و ناوبری داخلی IPIN، او را به عنوان "انتخابی ایده‌آل" در راس بخش تبدیل کرده است، موسسه Fraunhofer IIS اعلام کرده است.
»با حضور کریستوفر موتشلر، ما یک جانشین متعهد برای بخش محلی‌سازی و شبکه‌سازی یافته‌ایم که توازن بین برتری علمی و تمرکز واضح بر ماموریت انتقال تکنولوژی که برای Fraunhofer ضروری است را به عنوان هدف دارد«، او را پروفسور الکساندر مارتین، مدیر موسسه Fraunhofer IIS با مسئولیت مکان نورنبرگ توصیف می‌کند.
تمرکز بیشتر بر هوش مصنوعی و یادگیری ماشینی
این بخش تکنولوژی‌های محلی‌سازی و شبکه‌سازی افراد و اشیا را توسعه می‌دهد و نقطه مهمی برای نوآوری‌ها و توسعه‌های کاربردهای صنعتی، موبایلی و IoT مبتنی بر امواج است - از موقعیت‌یابی مبتنی بر ماهواره تا محلی‌سازی نزدیک و تکنولوژی‌های شبکه‌سازی هوشمند. »در فرآیندهای تحول دیجیتال و کاربردهای جدید موبایل، تیم‌های این بخش با توسعه‌هایی مانند mioty، موقعیت‌یابی ۵G، گیرنده‌های سرویس عمومی تنظیم شده (Galileo PRS)، برداشت انرژی و هوش مصنوعی توانسته‌اند قدرت‌های خود را نشان دهند. بسیار خوشحالم که ما اکنون با جانشین من، کریستوفر موتشلر، متخصصی در زمینه هوش مصنوعی/یادگیری ماشینی پیدا کرده‌ایم که می‌تواند موضوعات ما را با همکاری کارکنان ما برای آینده به بهترین شکل ممکن آماده کند«، دکتر گونتر روهمر گفت.
توسعه سیستم‌های IoT مقاوم
تقاضای بالا برای سیستم‌های انعطاف‌پذیر تعبیه شده در صنعت، اقتصاد و استفاده روزمره با دسترسی به تکنولوژی‌های مبتنی بر امواج و شرایط محیطی افزایش می‌یابد. بنابراین، سیستم‌های موج‌دار هیبریدی که می‌توانند به صورت مدولار و انعطاف‌پذیر با نیازهای مربوطه تطبیق یابند، در لیست اولویت‌ها برای سناریوهای تعامل انسان و ماشین، یا برای وسایل نقلیه خودکار یا خودمختار قرار دارند. »با مدل‌ها و روش‌های مناسب یادگیری ماشینی/هوش مصنوعی و در آینده نیز با پشتیبانی از محاسبات کوانتومی، می‌توان تکنولوژی‌های محلی‌سازی مناسب را سریع‌تر، دقیق‌تر و کارآمدتر از گذشته توسعه و به کار گرفت. سیستم‌ها می‌توانند به این ترتیب بسته به محیط متغیر، افراد یا اشیا را به صورت پیوسته شناسایی کنند. سنسورهای شبکه‌شده که به صورت مستقل از اتصال به ابر یا تأمین برق از طریق تکنولوژی‌های هوش مصنوعی لبه‌ای یا برداشت انرژی کار می‌کنند، نه تنها به امنیت و پایداری سیستم‌های IoT کمک می‌کنند، بلکه آنها را در برابر خرابی‌ها، حملات یا تغییرات در کل زمینه مقاوم می‌کنند«، موتشلر جهت‌گیری فعالیت‌های تحقیق و توسعه برای بخش محلی‌سازی و شبکه‌سازی را توضیح می‌دهد.