Zespół
New Science Lab to interdyscyplinarny zespół łączący kompetencje związane ze sztuczną inteligencją, modelowaniem i symulacją, inżynierią morską, rozwojem produktów oraz doświadczenie w komercjalizacji deep-tech.
Sławomir Dudek
Business Strategy, Commercialization & Fundraising
Przedsiębiorca i menedżer z ponad 25-letnim doświadczeniem w budowie, rozwoju i restrukturyzacji biznesów na styku technologii, e-commerce, ochrony zdrowia i usług. Łączy zaplecze techniczne — matematyka stosowana i fizyka techniczna — z doświadczeniem w zarządzaniu zdobytym m.in. w Gillette Poland, Pelionie, KPMG Advisory, Delfarmie, Cefarmie Białystok i clinika.pl. W HullGen odpowiada za strategię biznesową, komercjalizację, rozwój partnerstw oraz przygotowanie projektu do finansowania i wdrożeń.
Tomasz Pochylski
Business & Operations
Przedsiębiorca i operator projektów technologicznych. Współtwórca i były prezes Bitfold — projektu hardware deep-tech rozwijanego przez około 30-osobowy zespół, który pozyskał blisko 20 mln zł finansowania publicznego oraz porównywalny kapitał prywatny. Odpowiada za operacyjne prowadzenie projektu, strukturę realizacji oraz przejście od prototypu do uporządkowanego produktu.
Krzysztof Witek
Marine Industry & Commercial Development
Inżynier z doświadczeniem w oceanotechnice, rozwoju produktów i wdrożeniach oraz pracy z partnerami przemysłowymi rynku morskiego. CEO Raiton, gdzie rozwija projekty związane z technologiami wodorowymi, w tym autonomiczne jednostki pływające. Odpowiada za relacje z partnerami technologicznymi, jednostkami badawczymi i inwestorami oraz wnosi praktyczne spojrzenie na rynek i zastosowania HullGen.
prof. dr hab. Zbisław Tabor
AI & Research Lead
Profesor na Akademii Górniczo-Hutniczej w Krakowie. Badacz i praktyk AI z doświadczeniem w rozwijaniu algorytmów dla zastosowań przemysłowych i medycznych. Specjalizuje się w machine learning, deep learning, computer vision oraz interpretowalności modeli. Łączy kompetencje badawcze z wdrożeniowymi. W HullGen odpowiada za rozwój warstwy AI, kierunek badań oraz spójność techniczną rozwiązania.
Michał Sikorski
AI Developer
Inżynier AI i robotyki z doświadczeniem w budowie modeli uczenia maszynowego oraz ich zastosowaniach w systemach technicznych i robotycznych. Pracuje z wykorzystaniem Python, TensorFlow, PyTorch, OpenCV i ROS. W projekcie HullGen odpowiada za rozwój warstwy implementacyjnej i algorytmicznej systemu, wspierając przejście od koncepcji modelowej do działającego prototypu.
Maksym Prykhodko
ML Integration & Rules Engine
Developer skupiony na Pythonie i integracji systemów ML. Buduje systemy, w których ścisłe reguły inżynierskie spotykają się z generatywną AI — z doświadczeniem w przetwarzaniu danych szeregów czasowych, filtrowaniu sygnałów i backendowej analizie danych z użyciem PyTorch i FastAPI. W projekcie odpowiada za warstwę programową wymuszającą standardy projektowe w modelu kadłuba.
Konrad Jojczyk
Engineering & Physics-Aware AI Lead
Absolwent Instytutu Informatyki na Wydziale FTIMS Politechniki Łódzkiej oraz finalista Olimpiady Fizycznej. Posiada 18-letnie doświadczenie w inżynierii oprogramowania, zarządzaniu ludźmi (Line Management) oraz koordynowaniu pracy wielu zespołów jako Tech Lead. Specjalizuje się w operacjonalizacji sztucznej inteligencji na każdym etapie cyklu życia produktu — od researchu, planowania i automatyzacji dokumentacji, przez zaawansowane testowanie, aż po bezpośrednią integrację modeli AI w architekturze aplikacji. Ekspert w adaptacji dynamicznie zmieniających się trendów technologicznych. Odpowiada za koordynację prac badawczo-technicznych oraz dobór i formalizację praw fizyki wykorzystywanych do opisu zachowania generowanych kształtów.
Mateusz Wiśniewski
Mathematical Modelling & AI Data
Absolwent modelowania matematycznego i analizy danych. Skupiony na uczeniu maszynowym i inżynierii danych. Projektuje oraz rozwija modele i sieci neuronowe wspierające rozwiązywanie problemów badawczych, łącząc podejście analityczne z praktycznym wdrażaniem rozwiązań AI. Pracuje głównie w ekosystemie Python, wykorzystując technologie takie jak PyTorch, TensorFlow, scikit-learn i OpenCV do przetwarzania danych, budowy modeli oraz analizy wyników. Odpowiada za modelowanie matematyczne, inżynierię danych, dobór i formalizację praw fizyki oraz rozwój komponentów wspierających ocenę i optymalizację generowanych geometrii.
Metody pracy
W pracach badawczo-rozwojowych korzystamy z półautonomicznych agentów AI, które działają pod kierunkiem i nadzorem naszych inżynierów. To pozwala małemu, wysoko wyspecjalizowanemu zespołowi prowadzić równolegle więcej wątków niż typowy zespół tej wielkości. Każdy wynik, który trafia do dalszej pracy, przechodzi przez człowieka — agent przyspiesza, nie decyduje.