Scopul principal al proiectului QuaDeep a fost de a ajuta dezvoltatorii de software, testerii și personalul de asigurare a calității să îmbunătățească calitatea sistemelor software la care lucrează, oferindu-le instrumente software avansate bazate pe cele mai recente rezultate din cercetarea în domeniul inteligenței artificiale (IA).
În prezent, cercetătorii au la dispoziție cantități mari de cod sursă cu care să lucreze, și metode și modele avansate de IA. Un caz de utilizare pentru astfel de modele se referă la încercarea de a prezice care module ale unui produs software sunt defecte. Un sistem IA care are capacitatea de a identifica modulele defecte cu mare precizie ar reduce costurile de dezvoltare a sistemelor software și ar permite echipelor să producă produse de bună calitate mult mai rapid decât este posibil în prezent. În consecință, în cadrul proiectului QuaDeep, am investigat relevanța unor caracteristici semantice și a unor caracteristici bazate pe coeziune și cuplare pentru această sarcină. Am folosit instrumente pentru a automatiza extragerea acestor informații din codul sursă existent în programele de mari dimensiuni disponibile public și am aplicat algoritmi de învățare profundă performanți pentru a procesa datele.
Munca noastră s-a concretizat în mai multe rezultate semnificative. În primul rând, am dezvoltat noi metode de învățare profundă adaptate în vederea determinării caracteristicilor software care sunt asociate cu defecte reale și le-am integrat în module software care pot prezice modulele defecte. Experimentele au fost realizate pe o serie de programe disponibile public, iar rezultatele aferente au fost prezentate în 19 lucrări științifice în reviste și conferințe importante din întreaga Europă.