Bespreek uw behoeftenLaten we praten
NL
DTSC / BRAIN / Onderzoek & innovatieBRAIN
BRAIN / Onderzoek & innovatie

Onderzoek & impact

Wij dragen bij aan onderzoek van collectief belang, met name gesteund door openbare of universitaire financiering.

Verankerd onderzoek en gepubliceerde werken.

CORTEX, RESTORE en TRACEFORM-AI starten in 2026. Bestaande publicaties betreffen onder meer LAMMR, gepresenteerd op HHAI 2026, en BRAIN BiasAI.

Onze waarden

Integriteit, innovatie, impact, samenwerking, wendbaarheid.

Vijf waarden sturen ons onderzoek en onze samenwerkingen: ethische, transparante en verantwoorde AI; nieuwsgierigheid; resultaten die nuttig zijn voor klanten en de samenleving; co-creatie met de industrie en de academische wereld; het vermogen om snel te leren.

Governance

Een hybride governance.

Een interne wetenschappelijke raad en een extern adviesnetwerk van academische en industriële experts sturen het onderzoek. Het laboratorium is afgestemd op de missie van DTSC, maar behoudt zijn onderzoeksautonomie voor zijn academische samenwerkingen en experimenten. Het neemt deel aan gezamenlijke doctoraten, publiek-private partnerschappen en competitieve onderzoeksprogramma’s, zoals Win4Doc, Horizon Europe of de EDIH’s.

Financiering

Drie complementaire pijlers.

  • De investering van DTSC, die de koers van het laboratorium, zijn eerste onderzoek, zijn infrastructuur en zijn talenten ondersteunt.
  • Publieke financiering, regionaal, nationaal en Europees: Win4Doc en Win4Company in Wallonië, Innoviris in Brussel, de Baekeland-mandaten in Vlaanderen, en Europese kaders.
  • Samenwerkingen met ondernemingen : industriële partnerschappen, contractonderzoek en toegepaste AI-projecten.
Open verspreiding

Werk dat voor zoveel mogelijk mensen toegankelijk is.

Afhankelijk van het project verspreiden we ons werk via openaccesspublicaties, reproduceerbare code, publieke datasets en kennisdelingsevenementen.

Wetenschappelijke output

Wetenschappelijke publicaties

  • Learning and Reasoning for Legal AI via Intelligent Adaptive Multi-Model Routing with a Smart Evaluation LayerAditya Mukhopadhyay, Sara Ghane, Marco Di GennaroHHAI 2026: Proceedings of the 5th International Conference on Hybrid Human-Artificial Intelligence. SAGE Publications, 2026
  • Benchmarking Physics-Injection Strategies for Transformer Hot-Spot Prediction: Residual, Physics-Informed, and Dynamic Gray-Box ModelsMario Real Enrique, Enrique Hortal, Sara Ghane, Marco Di Gennaro61st International Universities Power Engineering Conference, 2026
  • Assessing railway network robustness under attacks: Evidence from Belgium and the NetherlandsPraneesh Sharma, Renzo Massobrio, Marco Di GennaroPhysica A: Statistical Mechanics and its Applications, 2026
  • When Corporate Chatbots Show Bias: A Multi-Dimensional Analysis of LLMs in Enterprise SettingsShreya Bhattacharya, Vincent Hagenow, Marco Di GennaroECAI, 2025

Masterproeven

  • Physics-Informed Machine Learning for Transformer Thermal State Estimation: A Comparative StudyMario Real EnriqueMaastricht University, Nederland
  • Residential Energy Advising with Small Language Models: A Tool-Calling Architecture and Benchmark EvaluationM. Turan TahsinKU Leuven, België
  • Measuring Grammatical CompetenceAditya MukhopadhyayManipal Academy of Higher Education, India
  • Toward Transparent Fault Diagnosis in Grid-Interactive Building Energy Control: Using SHAP and LLMs to Explain Black-Box ControllersEdouard SteylemanKU Leuven, België
  • Digital Twin for railway network simulationEthan BebelambouUniversité libre de Bruxelles (ULB), België

Bron: document “BRAIN projects” van het laboratorium, versie van 13 november 2026. De referenties worden in hun oorspronkelijke taal gegeven.

Het ecosysteem vooruit helpen.

Laten we de aanpak samen bouwen
  • Wetenschappelijke en academische samenwerkingen
  • Onderzoek naar collectieve kwesties
  • Overdracht en delen van resultaten naargelang het project
Een samenwerking voorstellen