Paredzams, ka projekti sniegs ieguldījumu visos turpmāk minētajos sagaidāmajos rezultātos:

• Efektīvas un inovatīvas metodes lielu datu kopu vākšanai, kopīgošanai un izmantošanai enerģētikas lietojumos, lai apmācītu AI modeļus, vienlaikus nodrošinot privātumu un drošību.
• Uzlaboti un – kur vien iespējams – atvērtā pirmkoda AI pamata modeļi, lai atbalstītu energosistēmas digitalizāciju, izmantojot uzlabotu tīkla novērojamību, piedāvājuma un pieprasījuma prognozēšanu, uzlabotu uzglabāšanu un atjaunojamo energoresursu integrāciju, pieprasījuma puses elastību un energoefektivitāti.
• Uzlabota sadarbība, zināšanu apmaiņa un savietojamība starp energosistēmas dalībniekiem drošai un netraucētai datu apmaiņai.
• Uzlabotas metodoloģijas AI modeļu izstrādei, nodrošinot, ka rezultāti ir FAIR (atrodami, pieejami, savietojami, atkārtoti izmantojami) arī pēc projekta beigām, ir atvērtā pirmkoda un pielāgoti tehnoloģiju attīstībai.

AI modeļu kvalitāte ir cieši atkarīga no to apmācībai izmantoto datu apjoma, kvalitātes un reprezentativitātes. Paredzams, ka projekti koncentrēsies uz AI pamata modeļu izstrādi, apmācību un testēšanu, izmantojot plašas datu kopas, lai paātrinātu enerģētikas pāreju enerģētikas nozares galvenajās jomās. Paredzams, ka projekti:

• Balstoties uz iepriekš finansēto projektu rezultātiem par Common European energy data space^[1], kā arī uz notiekošo darbu Data 4 Energy ekspertu grupā, projektiem ir jādemonstrē inovatīvas metodes un datu pārvaldības stratēģijas datu kopīgošanai starp dažādiem enerģētikas dalībniekiem. Projektiem ir jāpierāda, ka priekšlikuma iesniegšanas brīdī tiem ir piekļuve lielām un atbilstošām datu kopām.
• Paredzams, ka projekti izstrādās inovatīvas stratēģijas datu kopīgošanai efektīvā, drošā un pārredzamā veidā, lai atbalstītu AI pamata modeļu izstrādi. Indikatīvs, neizsmeļošs stratēģiju saraksts, ko var izpētīt, ir datu telpas savienotāju (data space connectors) vai federatīvās modeļu apmācības izmantošana, lai nodrošinātu konfidenciālu datu integrāciju; varētu tikt izpētīta arī sintētisko datu izveide kā starpposms datu trūkumu novēršanai vai datu kvalitātes uzlabošanai. Projekti varētu izpētīt arī citas inovatīvas datu kopīgošanas stratēģijas, piemēram, „AI gym”. Projektā izstrādātajām datu pārvaldības stratēģijām jābūt veidotām tā, lai tās būtu mērogojamas un darbspējīgas arī pēc projekta beigām.
• Paredzams, ka projekti izstrādās enerģētikas nozarei pielāgotus pamata modeļus, risinot vismaz vienu vai vairākus no šādiem izmantošanas gadījumiem: elektrotīklu plānošana un darbība (tostarp statiskā jaudas plūsmas modelēšana un dinamiskā EMT modelēšana), prognozēšana, sastrēgumu pārvaldība, anomāliju noteikšana, kļūdu diagnostika, paredzamā tehniskā apkope, elastības pārvaldība, pieprasījuma puses energoefektivitāte, viedā un divvirzienu EV uzlāde vai citi izmantošanas gadījumi, kas veicina enerģētikas sistēmas digitalizācijas mērķi.
• Paredzams, ka projekti veiks padziļinātu izstrādāto pamata modeļu testēšanu un validāciju laboratorijas demonstratoros un reālās dzīves izmēģinājumos, balstoties uz iepriekš finansēto projektu rezultātiem un izmantojot „AI testing and experimentation facilities (TEFs)”^[2] infrastruktūru. Reālās dzīves izmēģinājumu īstenošanai var apsvērt arī regulatīvās smilškastes (regulatory sandboxes).
• Paredzams, ka projekti apvienos plašu ieinteresēto personu grupu, tostarp datu īpašniekus (piemēram, energoapgādes uzņēmumus, tīklu operatorus, aktīvu īpašniekus), lietojumprogrammu izstrādātājus (piemēram, jaunuzņēmumus, SME, hiperskalētājus) un modeļu izvietotājus (piemēram, nozari, tīklu operatorus, iekārtu ražotājus), nodrošinot sadarbības un kopīgas datu apmaiņas telpu.
• Lai palielinātu modeļu apmācību un izstrādi, projekti var izmantot to AI rūpnīcu skaitļošanas jaudu, par kurām nesen paziņoja European Commission^[3], jo īpaši trīs AI rūpnīcas, kuru mērķis ir izstrādāt AI lietojumprogrammas enerģētikas nozarei.
• Paredzams, ka AI modeļi ievēros ētikas, drošības un aizsardzības principus; turklāt pārredzamībai, izskaidrojamībai un atbildībai jābūt iestrādātai modeļa izstrādes pamatā. Visur, kur tas ir iespējams, jāizmanto atvērtā pirmkoda izstrādes prakses. Jāpieliek pūles, lai izvairītos no aizspriedumiem, nodrošinot, ka iegūtie dati ir reprezentatīvi dažādām iedzīvotāju grupām.

Paredzams, ka atlasītie projekti sniegs ieguldījumu BRIDGE iniciatīvā^[4] un aktīvi piedalīsies tās darbībās.