Johannes Loevenich, Doktorand bei Thales Deutschland, wurde als Hauptautor für sein Forschungspapier „GNN-based Deep Reinforcement Learning with Adversarial Training for Robust Optimization of Modern Tactical Communication Systems” mit dem Preis der Europäischen Verteidigungsagentur (EDA) für Forschungs-, Technologie- und Innovationspapiere ausgezeichnet. Loevenich hat dieses Paper zusammen mit Dr. Roberto Rigolin F. Lopes, System Engineering Manager R&D, ebenfalls bei Thales Deutschland, erarbeitet. Dies ist eine bedeutende Anerkennung für die kontinuierlichen Bemühungen des Teams, die Grenzen der Verteidigungstechnologie und -forschung zu überwinden.

Diese Auszeichnung ist Teil der Strategie der EDA, sich weltweit mit F&E-Gemeinschaften zu engagieren und Spitzeninnovationen im Verteidigungsbereich zu fördern, die mit den entsprechenden Aktivitäten der Europäischen Kommission, der Nato-Innovation und anderen Organisationen der europäischen Verteidigungs-Innovation in Einklang stehen. Die Einrichtung des Strategischen Kompasses für EU-Verteidigung und Sicherheit und des Zentrums für EU-Verteidigungsinnovation (HEDI) unterstreicht dieses Engagement zusätzlich.

In dem prämierten Forschungspapier wird eine neuartige Methodik zur Lösung komplexer Optimierungsprobleme in modernen taktischen Kommunikationsnetzen vorgeschlagen. Die beiden Autoren sind sich der Notwendigkeit bewusst, ein intelligentes System zu schaffen, das in der Lage ist, in hochsensiblen, sich ständig verändernden Umgebungen Leistung zu erbringen, und verfolgen einen hybriden Ansatz des maschinellen Lernens (ML): Sie nutzen Graph Neural Network (GNN)-basiertes Deep Reinforcement Learning (DRL), das mit gegnerischem Training fein abgestimmt wird. Dieser Ansatz ist so konzipiert, dass er die strenge Ausbildung des Militärpersonals nachahmt und dadurch robuste maschinelle Lernmodelle fördert, die in der Lage sind, effektiv auf reale Situationen zu reagieren.