Projects

Supported by public funding, these collaborative projects see xT work alongside partners to develop our expertise, experience and technology to help develop innovative new capabilities, products and services.

SIA Exponential Technologies ir noslēdzis līgumu Nr. 5.3-8-L-2023/7 ar Latvijas Investīciju un attīstības aģentūru par atbalsta saņemšanu sīko (mikro), mazo, vidējo un lielo komersantu labās prakses pārņemšanas apmācībām eksportspējas veicināšanai, pamatojoties uz komersantu vajadzībām. Atbalsts tiek sniegts programmas „Izaugsme un nodarbinātība” 1.2.2. specifiskā atbalsta mērķa “Veicināt inovāciju ieviešanu komersantos” 1.2.2.3. pasākuma „Atbalsts IKT un netehnoloģiskām apmācībām, kā arī apmācībām, lai sekmētu investoru piesaisti” un 13.1.6. specifiskā atbalsta mērķa “Atveseļošanas pasākumi ekonomikas nozarē – nodarbināto apmācības (ERAF)” ietvaros. Apmācību galvenais mērķis ir celt uzņēmuma darbinieku kvalifikāciju un ekselenci datu zinātnes un analītikas, kā arī mašīnmācīšanās un ģeneratīvā mākslīgā intelekta kompetencēs.

SIA Exponential Technologies ir noslēdzis līgumu Nr. JU-L-2023/2 (atbalsta pieteikuma nr. JU-PI-2023/7) ar Latvijas Investīciju un attīstības aģentūru par dalību Jaunuzņēmumu darbības atbalsta likuma 7. pantā minētajā atbalsta programmā augsti kvalificētu darbinieku piesaistei. Projekta ietvaros plānots attīstīt daļu no programmatūras, kas paredzēta virtuālo bioreaktoru platformai. Kopējais šīs aktivitātes ilgtermiņa mērķis ir izstrādāt bioreaktoru digitālo dvīni industriālās ražošanas pielietojumiem.

SIA Exponential Technologies ir noslēdzis līgumu Nr. JU-L-2021/5 (projekta nr. JU-PI-2021/21) ar Latvijas Investīciju un attīstības aģentūru par dalību Atbalsta programmā augsti kvalificētu darba ņēmēju piesaistei. Projekta ietvaros plānots attīstīt mākslīgā intelekta un mašīnmācīšanās risinājumus, kuri papildina un uzlabo rūpnieciskos pētniecības un attīstības (R&D) kā arī ražošanas procesus.

SIA Exponential Technologies 2021. gada 5. janvārī ir noslēdzis līgumu Nr. SKV-L-2021/2 ar Latvijas Investīciju un attīstības aģentūru par atbalsta saņemšanu pasākuma “Starptautiskās konkurētspējas veicināšana” ietvaros, ko līdzfinansē Eiropas Reģionālās attīstības fonds.

SIA “Exponential Technologies” ir noslēdzis ar Latvijas Investīciju un attīstības aģentūru 2020. gada 22. aprīlī līgumu Nr.VP-L-2020/21 par atbalsta saņemšanu programmas “Inovāciju vaučeri” ietvaros rūpniecisko pētījumu veikšanai ar Latvijas Universitāti ar mērķi laboratorijas vidē uz multi-paralēlajiem bioreaktoriem validēt izstrādājamās pētniecības vadības sistēmas (Research management system) COVID19 vakcīnu un imunitātes testa komplektu reaģentmateriālu ražošanas mērogošanai bioreaktoros tehnoloģiju, kā arī izpētīt un aprakstīt tās iespējas un priekšrocības attiecībā pret biežāk izmantotajām konvencionālajām bioreaktoru un augšanas vides optimizācijas metodēm, un dot rekomendācijas tās uzlabojumiem, un 2020. gada 11.martā līgumu Nr.IZ-L-2020/40 par atbalstu dalībai izstādēs un konferencēs, kā arī tiešo vizīšu pie potenciālā investora vai sadarbības partnera ārvalstīs nodrošināšanai Eiropas Reģionālās attīstības fonda projektā „Tehnoloģiju pārneses programma” (projekta identifikācijas numurs 1.2.1.2/16/I/001).

SIA “Exponential Technologies” ir noslēdzis ar Latvijas Investīciju un attīstības aģentūru 2020. gada 21. septembrī līgumu Nr.VP-L-2020/57 par atbalsta saņemšanu programmas “Inovāciju vaučeri” ietvaros rūpniecisko pētījumu veikšanai ar Latvijas Universitāti. Projekta (projekta numurs: VP-V-2020/56) mērķi ir:
1) laboratorijas vidē uz multi-paralēlajiem bioreaktoriem turpināt validēt izstrādājamās pētniecības vadības sistēmas tehnoloģiju priekš biofartmaceitisko un citu specifiskos bioprocesos iegūto produktu ražošanas mērogošanas (scaling of manufacturing), un
2) analizēt šīs tehnoloģijas iespējas un priekšrocības attiecībā pret biežāk izmantotajām konvencionālajām bioreaktoru un augšanas vides optimizācijas metodēm, un dot rekomendācijas tās uzlabojumiem.

This Cross-border Experiment is part of a project that has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No 873155