nyhed

Villum Synergy 2021: TECH-forskere med i tre projekter i Danmarks største program for datadrevet tværfaglig forskning

Villum Synergy 2021: TECH-forskere med i tre projekter i Danmarks største program for datadrevet tværfaglig forskning

Afhjælpning af fejl i energinettet, sagsbehandling i asylretssager og genindvinding af spildevand. Emnerne spænder bredt i de tre forskningsprojekter, som TECH-forskere har modtaget bevilling til fra Villum Synergy Program

− Der ligger mange forskningsmuligheder gemt i grænsefladerne mellem datalogi og andre fagområder. Vi har oprettet Villum Synergy-programmet for at give forskerne mulighed for at bruge tværfaglige forskningssamarbejder til at skabe vigtige videnskabelige gennembrud. Årets 12 udvalgte projekter peger på det store potentiale, der ligger i at støtte excellent tværfaglig forskning med data som driver, udtaler Thomas Bjørnholm, som er forskningsdirektør i VILLUM FONDEN.

TECH-forskere fra Institut for Arkitektur og Medieteknologi og Institut for Datalogi deltager sammen med kolleger fra hhv. AAU og KU i tre projekter:

AI skal afhjælpe fejl i energinettet

Professor Mads Græsbøll Christensen har i mange år forsket i forbedre lydoplevelser og teknikken i lydkredsløb ved hjælp af kunstig intelligens i forskningsmiljøet Audio Analysis Lab. Nu skal disse metoder i spil i et fælles forskningsprojekt med Professor Xiongfei Wang fra Institut for Energi, der skal udvikle energinettet ved hjælp af AI (kunstig intelligens). Projektet hedder: “Edge AI for High Stability-Robustness of Power Electronics in Modern Power Systems”

− I store netværk som telefonnettet og energinettet er der mange ting, der påvirker hinanden, og det kan ofte være kompliceret at lokalisere og løse fejl og nedbrud. Det er et kæmpe problem, der koster rigtig mange penge og generer mange mennesker, siger Mads Græsbøll Christensen.

For eksempel forårsagede forældede kontrol-mekanismer i energinettet i 2019 afbrydelsen af en vindmøllefarm fra forsyningsnettet. En million mennesker stod uden strøm.

− Dette projekt har som mål at bruge kunstig intelligens og signalbehandling til at forbedre kontrolmekanismerne i energinettet, så vi netop undgår sådanne problemer i fremtiden,” fortæller han.

AI undersøger asylretssager

Også Professor Thomas B. Moeslund arbejder med AI, og er til daglig leder af det tværgående center AI for the People. Han får sammen med Thomas Gammeltoft-Hansen fra Juridisk Fakultet på Københavns Universitet legatet til at forske i AI og asylret for ikke-europæiske asylansøgere, der beder om asyl i EU.  Forskningsprojektet hedder: ”Explainable Artificial Intelligence and Fairness in Asylum Law”.

I projektet undersøger de, om algoritmer kan forudsige den samme afgørelse, som sagsbehandlerne er kommet frem til, og om et ekstra lag AI kan finde ud af, hvad henholdsvis sagsbehandlerne og algoritmerne har lagt vægt på, og finde eventuelle bias i beslutningerne. Med andre ord: Er sagsbehandlingen fair eller tilfældig? Forskningen baserer sig på 50.000 sagsakter fra Danmark, Norge og Sverige.

− Det er virkelig svært at undersøge de parametre, der har indflydelse i sagsbehandlingen på asylretsområdet. Vi vil arbejde med ”explainable AI”. Altså AI, der kan lede efter mønstre, vi kan finde og forklare, når vi sætter kunstig intelligens til at arbejde med data. Forhåbentlig kan vores forskning være med til at forbedre retssikkerheden i asylretssystemet,” fortæller Thomas B. Moeslund.

AI til genindvinding af spildevand

Chenjuan Guo, lektor på Institut for Datalogi, har modtaget næsten tre mio. kroner til et fælles projekt med Per Halkjær Nielsen, professor på Institut for Kemi og Biovidenskab. Målet er at optimere driften af anlæg til genindvinding af spildevand.

Bakteriesamfund i genindvindingsanlæg til vand er vigtige i forhold til beskyttelse af miljøet, selve genindvindingen samt produktionen af bioenergi. Udfordringen i dag er, at vi har en forholdsvis begrænset forståelse af mange af de faktorer, der påvirker disse bakteriesamfund. Derfor vil der i projektet “Explainable AI for Complex Microbial Community Interactions and Predictions” blive bragt nye deep learning-modeller i spil til at undersøge og forstå de komplekse interaktioner mellem bakterierne.

− Hvis vi forstår de nøglefaktorer, der styrer dannelsen af bakteriesamfund, vil vi være i stand til at forudse de dynamikker, der er på spil, og dermed optimere ydelsen i de anlæg, der genindvinder spildevand til rent vand, forklarer Chenjuan Guo.

Ud over de indlysende gevinster i forhold til genindvindingen af vand, forventes det også, at projektet vil resultere i en dybere forståelse af datadrevne metoder anvendt til beslutningsunderstøttelse

− Vi forventer, at projektet kan kaste lys over de interne mekanismer og output fra datadrevne metoder, særligt på området for machine learning-modeller. Dermed kan vi få en bedre forståelse af, hvilke metoder der bedst anvendes af forskellige interessenter til beslutningsunderstøttelse, siger Chenjuan Guo.  

Læs mere om Villum Synergy