Kymmenen uutta akatemiahanketta matematiikan, teknillisen fysiikan ja tietotekniikan aloille

Vanhemman tutkijan Vladimir Eltsovin tutkimuksen painopiste on topologisen aineen kokeellinen tutkimus matalissa lämpötiloissa. Tulevaisuudessa topologiset materiaalit lupaavat mullistaa jokapäiväisen elämämme mahdollistamalla kvanttilaitteet jopa huoneenlämmössä. Tutkimuksessa aiotaan selvittää, kuinka massattomat fermionit vuorovaikuttavat 3He-supranesteissä muun systeemin kanssa ja miten ne säätelevät topologisen aineen dynaamisia ominaisuuksia. Lue lisää tutkimuksesta.

Laajennetun ja virtuaalisen todellisuuden (XR) toteuttaminen mobiililaitteilla on vaikeaa laitteiden rajallisen grafiikkalaskentakapasiteetin vuoksi. Etärenderöinti GPU-laskentapilvessä tarjoaa ongelmaan ratkaisun, mutta sitä käytettäessä ongelmiksi muodostuvat latenssi ja tarvittava verkkokapasiteetti. Professori Mario Di Francesco on mukana MeXICO-tutkimushankkeessa, jossa etsitään ratkaisuja hajautetun XR-laskennan ongelmiin. Tutkijoiden tavoitteena on kolme eri läpimurtoa: hajautettu ja kollaboratiivinen pelimoottori ja renderöinti; menetelmät pitkän ja vaihtelevan latenssin piilottamiseksi kuuden vapausasteen XR-laitteilla; huomaamattomat ja adaptiiviset menetelmät kaistan vaihtelun vaikutusten hallitsemiseksi ja kaistan tarpeen pienentämiseksi katseenseurannan avulla.

Professori Mathias Groth tutkii hallittua energiantuotantoa vedyn lämpöfuusioreaktioilla, joka olisi merkittävä edistysaskel kohti hiiletöntä energiantuotantoa ja kestävää kehitystä. Tulevaisuuden palavan fuusioplasman laitteiden, kuten ITER, yksi keskeisimmistä haasteista on siirtää polttoaineen lämpöenergia seinille hajautetusti, jotta vältetään reaktorin seinämien ylikuumeneminen ja vaurioituminen. MOPEF-projektin tavoite on selventää molekyylien ja fotonien roolia voimakkaasti säteilevissä fuusiolaitteiden reunaplasmoissa päivittämällä molekyyli- ja fotonimallit fuusiotiedeyhteisön laajasti käyttämissä laskennallisissa työkaluissa. 

Professori Olli Ikkala tutkii pehmeitä, biomimeettisiä materiaaleja, jotka koostuvat polymeereistä, nestekiteistä, pinta-aktiiveista, kolloideista ja biologisista materiaalista. Ne mahdollistavat funktionaalisia ominaisuuksia, kuten adheesion, venyvyyden ja absorption. Niiden ominaisuudet voivat muuttua ulkoisen tilan mukaan, esimerkiksi lämpötilan tai valon perusteella. Tulevaisuuden materiaalitieteessä tavoitteena on kehittää pehmeitä materiaaleja, joilla on elävän materiaalin ominaisuuksia. Tällöin ne eivät voi olla tasapainotilassa, vaan niihin on syötettävä kemiallista energiaa. Tutkimuksessa kehitetään menetelmiä nanopartikkelien järjestyksen ohjaamiseen kemiallisen polttoaineen avulla. Lue lisää Olli Ikkalan tutkimuksesta.

Apulaisprofessori Alex Jung kollegoineen pyrkii kehittämään moderneja tekoälypohjaisia menetelmiä sähkömekaanisten energianmuuntojärjestelmien kunnonvalvontaan. Jotta tällaiset järjestelmät toimisivat turvallisesti ja tehokkaasti, niiden toiminnassa ilmenevät viat on tärkeä havaita hyvissä ajoin. Hankkeessa tuotetaan synteettistä, rikastettua dataa tekoälyalgoritmien opettamiseen. Projektin tavoitteena on tuottaa uutta tietoa siitä, kuinka tekoälyä voidaan hyödyntää optimaalisella tavalla sähkömekaanisissa energianmuuntojärjestelmissä.

Professori Fabricio Oliveiran projektissa kehitetään Decision Programming -optimointiviitekehys epävarmuutta sisältävien monivaiheisten päätösongelmien mallintamiseen ja ratkaisemiseen. Hankkeessa tutkitaan, miten päätösmallintamisessa voidaan ottaa huomioon monia tavoitteita, riskejä, epätäydellistä informaatiota sekä jatkuvia muuttujia. Projektin tulokset tarjoavat tutkijoille ja asiantuntijoille yleiskäyttöisen mallinnusviitekehyksen, jolla voidaan ratkoa haasteellisia päätösongelmia muun muassa terveydenhuollon diagnostiikkatestauksessa, turvallisuuskriittisten järjestelmien riskienhallinnassa sekä ilmastomuutoksen hillintäkeinojen valinnassa.

Kuka on vaikutusvaltaisin henkilö, jota seuraat Twitterissä? Minkä poron erottaminen laumasta estää tappavan taudin leviämisen? Verkkoteoria voi vastata näihin kysymyksiin keskeisyysmittojen avulla. Professori Vanni Noferini on yhteistyökumppaniensa kanssa onnistunut löytämään uuden keskeisyysmittojen luokan. Keskeisyysmitat ovat verkon solmuissa määriteltyjä funktioita, jotka mallintavat yksilön suhteellista tärkeyttä verkostossa. Hankkeen tarkoituksena on jatkaa löydettyjen keskeisyysmittojen teoreettista tutkimusta ja soveltaa niitä muun muassa biologian, taloustieteen ja rahoituksen ongelmiin.

Globaalin energiatarpeen kattaminen aurinkoenergialla on ollut kaukainen unelma. Hybridisiin perovskiitteihin perustuvat aurinkokennomateriaalit tuovat meidät lähemmäs tätä tavoitetta edullisuutensa ja ennätyksellisen hyötysuhteensa ansiosta. Niiden kaupallisten sovellusten esteenä on kuitenkin yhä materiaalien myrkyllisyys ja epävakaus kosteissa olosuhteissa. Professori Patrick Rinken LearnSolar-projektissa kehitetään koneoppimiseen perustuvan materiaalien suunnittelumenetelmän vakaampien ja ympäristöystävällisten perovskiittien löytämiseksi. Koneoppimisen avulla pystytään etsimään lupaavia materiaaleja perovskiittiyhdisteiden suuresta joukosta. Uudet materiaalit tullaan integroimaan aurinkokennoihin yhteistyökumppanien toimesta. Oikeiden materiaalien löydyttyä halpoja aurinkokennoja voidaan valmistaa ja ottaa käyttöön kaikkialla maailmassa, luoden kestävät ja tasa-arvoiset edellytykset hyvinvointiin.

Apulaisprofessori Jukka Suomelan tutkimusryhmä tutkii, mitä laskentatehtäviä voidaan ratkaista nopeasti hajautetuilla algoritmeilla ja mitkä laskentatehtävät ovat sellaisia, että niiden ratkaiseminen millä tahansa hajautetulla algoritmilla vie runsaasti aikaa. Aiheeseen liittyvä teoria auttaa ymmärtämään paitsi ihmisen luomia tietoverkkoja myös luonnolla esiintyviä järjestelmiä.

Apulaisprofessori Jara Uiton tutkimusryhmä tutkii skaalautuvien algoritmien suunnittelua helpottavien alustojen teoriaa. Rahoitusta saaneessa projektissa tutkijat tekevät kyseisiin alustoihin liittyvää perustutkimusta. Tutkijoiden tavoitteena on ymmärtää paremmin alustojen tehokkuutta ja rajoja. Tarkoituksena on löytää uusia ja parempia algoritmeja perusongelmiin ja osoittaa, että joitakin perusongelmia ei todistettavasti voi ratkaista tehokkaasti. Tällainen työ auttaa kehittämään tulevaisuudessa parempia alustoja.