Millioner til forskning på tværs af faggrænser
AI har givet forskerne nye muligheder for at forstå verden. Men mange af samfundets store udfordringer kræver mere end teknologi alene. De kræver, at datavidenskab og andre fagområder arbejder sammen. Derfor uddeler Villum Fonden nu 63 mio. kr. til 12 forskningsprojekter gennem Villum Synergy-programmet.
Projekterne kombinerer datavidenskab med indsigter fra andre forskningsområder for at besvare spørgsmål, som ingen disciplin kan besvare alene.
Grønnere skibsfart
Et eksempel er et nyt samarbejde om grønnere og mere sikker skibsfart, der bringer datavidenskab og AI sammen med maritim og hydrodynamisk forskning. Projektet er ledet af Allan Engsig-Karup og Ulrik Dam Nielsen fra DTU og skal udvikle mere præcise metoder til at måle bølger og havforhold. Det kan både styrke vores viden om verdenshavene og danne grundlag for mere energieffektiv sejlads og bedre ruteplanlægning.
”I dag indsamler skibe allerede enorme mængder data om deres bevægelser. Ved at kombinere AI og datadrevne metoder med viden om bølgers påvirkning af skibe kan vi bruge den globale handelsflåde som et nyt observationssystem for verdenshavene,” siger Allan Engsig-Karup.
Klogere forsvar mod cyberangreb
Et andet projekt (PSYFIND) kombinerer datalogi og psykologi i jagten på et mere intelligent cyberforsvar.
”I dag behandler cyberforsvaret i høj grad alle angribere på samme måde. Med PSYFIND vil vi afdække mønstre i, hvordan forskellige typer angribere opfører sig, hvad enten det er mennesker, malware eller AI. Målet er at udvikle et forsvar, der tilpasser sig den konkrete angriber frem for at basere sig på en standardløsning,” siger Emmanouil Vasilomanolakis fra DTU Compute, der samarbejder med Ingo Zettler fra Institut for Psykologi ved Københavns Universitet om projektet.
Pålidelige kvantecomputere
Den største bevilling går til et projekt i krydsfeltet mellem matematik og fysik, ledet af Albert H. Werner på Institut for Matematiske Fag og Morten Kjærgaard fra Niels Bohr Institutet på Københavns Universitet.
Kvantecomputere er på vej til at kunne løse opgaver, som selv verdens stærkeste supercomputere er ude af stand til at løse. Men når ingen klassisk computer længere kan efterprøve beregningerne, hvordan ved vi så, om resultaterne er til at stole på? Det skal projektet være med til at finde svaret på ved at udvikle metoder, der kan teste, hvor pålidelig en kvantecomputer er, og identificere de mekanismer, der begrænser dens ydeevne.
Ifølge forskningsdirektør i Villum Fonden, Thomas Bjørnholm, viser årets projekter, hvordan datadrevne metoder kan skabe ny viden inden for vidt forskellige forskningsområder.
”Når datavidenskab møder etablerede forskningsfelter, får forskerne mulighed for at stille spørgsmål, som tidligere var svære eller umulige at undersøge. Det er ofte her, nye erkendelser og løsninger tager form,” siger han.
Projektet om kvantecomputere modtager 14 mio. kr., mens de øvrige projekter modtager cirka 4,5 mio. kr. hver. Årets uddeling er den syvende gennem Villum Synergy-programmet.
De 12 projekter:
Kvantecomputing lover et nyt beregningsparadigme med potentiale til at løse visse informationsbehandlingsopgaver, som ligger uden for rækkevidde af konventionelle computere, med betydning for materialeforskning, lægemiddeludvikling og sikker kommunikation. For at realisere denne fordel skal kvanteprocessorer imidlertid drives i et regime, hvor deres adfærd ikke længere kan testes eller simuleres effektivt på konventionelle computere. Det skaber en grundlæggende udfordring: Hvordan kan vi have tillid til og forbedre enheder, som vi ikke fuldt ud kan verificere? Dette projekt tager fat på udfordringen ved at skabe en tæt synergi mellem datavidenskabsdrevet læringsteori og kvanteinformations-eksperimenter for at lære, certificere og kontrollere kvantedynamik. Ved tæt at integrere teori, algoritmer og eksperimenter vil vi afdække grænserne for pålidelig kvanteberegning og omsætte denne viden til praktiske metoder, der fremskynder udviklingen af pålidelige kvanteteknologier.
Lektor Albert H. Werner, Institut for Matematiske Fag, Københavns Universitet og lektor Morten Kjærgaard, Niels Bohr Institutet, Københavns Universitet
14 mio. kr.
Cyberangribere er ikke længere én bestemt type. Nogle angreb udføres af automatiseret malware, andre af mennesker eller nye AI-agenter. Alligevel bygger de fleste cybersikkerhedsløsninger på den antagelse, at alle angribere opfører sig ens. PSYFIND-projektet vil udvikle et mere målrettet cyberforsvar ved at kombinere cybersikkerhed med personlighedspsykologi. Målet er at identificere forskellige typer angribere ud fra deres adfærd og tilpasse forsvarsmekanismerne derefter. Forskerne vil kortlægge såkaldte psykologiske fingeraftryk ved at analysere, hvordan angribere opfører sig i simulerede angrebsmiljøer og kontrollerede testforløb. Derudover vil projektet undersøge, hvilke psykologiske mekanismer der mest effektivt kan forstyrre eller aflede menneskelige angribere. Resultatet skal være nye værktøjer, metoder og datasæt, der kan danne grundlag for næste generation af cybersikkerhedsforskning.
Professor Emmanouil Vasilomanolakis, DTU Compute, Danmarks Tekniske Universitet og professor Ingo Zettler, Institut for Psykologi, Københavns Universitet
4,5 mio. kr.
Satellitnetværk er den eneste teknologi, der er i stand til at levere global dækning, men står over for alvorlige skalerbarhedsproblemer, efterhånden som antallet af brugere stiger, og er stadig sårbare over for uventede og målrettede afbrydelser. Trods disse kritiske udfordringer har eksisterende arbejde fokuseret på at maksimere ydeevnen og effektiviteten af satellitnetværkets drift på en centraliseret måde, med et reduceret antal brugere og under ideelle driftsforhold, hvilket fører til sårbare satellitnetværk med et enkelt fejlpunkt på jorden og ingen mekanismer til at komme sig efter kritiske fejl. Vi sigter mod at udvikle en fleksibel, decentraliseret og datadrevet ramme for robuste og skalerbare satellitnetværk. Vores metoder vil give beviselige usikkerhedsgarantier for forudsigelser af AI-algoritmer på satellitnetværksgrafer ved hjælp af en konform forudsigelsestilgang for at opnå kontinuerlig netværksdrift i strategiske områder som Grønland, selv i katastrofescenarier.
Lektor Christophe Biscio, Institut for Matematiske Fag, Aalborg Universitet og lektor Israel Leyva-Mayorga, Institut for Elektroniske Systemer, Aalborg Universitet
4,5 mio. kr.
1,5 millioner elbiler og 35 GW solenergi i det danske elnet inden 2035 vil udfordre nettets stabilitet og øge nedbrudstimer med op til 100 gange. Denne udfordring kan ikke løses med den nuværende teknologi: der er behov for bedre og større elsystemmodeller til realtidsstyring. Men de nuværende datavidenskabelige metoder er for langsomme. DLPower afhjælper disse udfordringer. DLPower vil udvikle fysik-informerede AI-modeller for at lære både af virkelige data og fysik, hvilket sikrer realistiske forudsigelser af netstabilitet. Nye metoder til træning og inferens af AI-modeller direkte på komprimerede data uden dekompression udvikles for at understøtte realtidsstyring. Det resulterende system behandler massive data, analyserer netforhold i realtid og styrer øjeblikkeligt solpaneler + elbilopladere for at forhindre netfejl, før de sker, hvilket revolutionerer styringen af vedvarende energi- og elbilopladerdominerede elnet, samt generel AI på massive data.
Professor Torben Bach Pedersen, Institut for Datalogi, Aalborg Universitet og Professor Remus Teodorescu, Institut for Energiteknik, Aalborg Universitet
4,5 mio. kr.
Længdeskalaer er af afgørende betydning for grundtilstanden og fasediagrammet i kvanteelektronik og -materialer. Systematiske studier af længdeskalaer har dog traditionelt været hindret af tekniske begrænsninger. Projektet kombinerer projektgruppens nye unikke demonstration af massiv opskallering af integrerede kvante-kredsløb med udvikling af et nyt koncept for håntering af målinger og data. Metoden baseres på en maskinlæringsalgoritme der bade fodres med eksperimentelle data samt input fra teoretiske fysiske modeller. Metoden vil automatisere udvælgelsen af de mest informative målinger i det enorme eksperimentelle parameterrum. Tilsammen vil projektet tillade en systematisk og komplet kortlægning af betydningen af længdeskalaer i designede kvante-komponenter bestående af sammenkoblede superledende nano-krystaller. Disse udgør vigtige model-systemer for kvantematerialer og resultatet vil være et betydeligt bidrag bade til fundamental kvantefysik og metodisk.
Lektor Oswin Krause, Datalogisk Institut (DIKU), Københavns Universitet og professor Thomas Jespersen, DTU Energy, Danmarks Tekniske Universitet
4,5 mio. kr.
Krystallisering er en central proces i den kemiske industri og i fødevareindustrien. For at kunne imødekomme fremtidige behov - fx i relation til udvikling af nye materialer - er det nødvendigt at styre krystaldannelsen mod specifikke egenskaber. Det er imidlertid en udfordring, da krystaldannelse er vanskelig at forudsige og kontrollere. Dette projekt fokuserer på membrankrystallisering (MCr), en avanceret teknik, hvor opnåelse af krystaller med de rette egenskaber afhænger af driftsparametre. Den nuværende praksis bygger på gentagelse af laboratorieforsøg. Dette er omkostningsfuldt og fører ofte til direkte uønskede resultater. Vi vil udvikle den første maskinlæringsbaserede metode, som lærer dynamikken af MCr og genererer tidsadaptive driftsparametre, der muliggør produktion af krystaller med bestemte egenskaber. Projektet bidrager dermed til en mere generaliserbar og effektiv krystalproduktion.
Lektor Tianyi Li, Institut for Datalogi, Aalborg Universitet og lektor Cejna Anna Quist-Jensen, Institut for Kemi og Biovidenskab, Aalborg Universitet
4,5 mio. kr.
Det hastigt stigende energiforbrug i AI-industrien kræver et skift fra luftkøling til direkte-til-chip væskekøling. To-fase immersion-køling (IMC) fanger spildvarme effektivt med høj varmeoverføringskoefficient, men faseændring medfører stokastisk mikro-bobledynamik og et kritisk punkt for maksimal varme-flux. SmartCool udvikler kontrollerbar og forudsigelig IMC gennem multiphysik-modeller, avanceret mikrofabrikation af kogeflader og stokastisk greybox-modellering. Greybox-modellerne forbedrer forståelsen af mikroskala varmeoverførsel, mens „squeeze-shift-adapt“-princippet sikrer robust industriel implementering. Projektet baner vejen for et bredt spektrum af to-fase køleløsninger.
Professor Henrik Madsen, DTU Compute, Danmarks Tekniske Universitet og professor Jesper Hattel, DTU Construct, Danmarks Tekniske Universitet
4,5 mio. kr.
WRITE-MODE-projektet vil udvikle ny, robust viden om elevers skriveudvikling i 4.-6. klasse. Det er et område, der hidtil har været underbelyst på grund af udfordringer med at indsamle tekster og kvantificere progression over tid. Vi vil kombinere ekspertviden fra uddannelsesforskning og avanceret datavidenskab for at undersøge, hvordan sproglige træk – fra grammatik til kohærens og stemme – opstår og udvikler sig i elevtekster. Som en del af dette vil vi udvikle nye probabilistiske modeller, der tager højde for usikkerhed, og udvide Rasch-modellen, så den omfatter usikkerhed, tidslige dynamikker og skrivekontekst, og dermed overkomme begrænsninger i nuværende metoder. Projektet forener skriveforskning, uddannelseslingvistik, probabilistisk modellering og usikkerhedskvantificering. Herigennem er det et mål at skabe en stærk interdisciplinær synergi, der gør det muligt at levere nye evidensbaserede indsigter og fremme forskningen i elevers skriveudvikling samt robust og pålidelig maskinlæring.
Lektor Michael Riis Andersen, DTU Compute, Danmarks Tekniske Universitet og lektor Kristine Kabel, Institut for Uddannelse og Pædagogik (DPU), Aarhus Universitet
4,5 mio. kr.
Forberedelse af samfundet på klimaforandringer kræver langt bedre værktøjer til at forstå ekstreme regnhændelser end nutidige metoder, der ikke kan udnytte blandingen af historiske nedbørsmålere, moderne vejrstationsdata og private sensornetværk. Vi vil etablere en ny tværfaglig forskningsretning, der kan placere Danmark i fronten for næste generation af klimatjenester. Ved at kombinere avanceret statistisk modellering med hydrologi støttet af atmosfærisk videnskab vil vi udvikle en skalerbar ramme, der kan styrke national og international planlægning. Vi vil (1) integrere heterogene datakilder på en konsistent måde, (2) beskrive ændringer i hvordan regnhændelser optræder, (3) forbinde stor‑skala vejrmønstre med lokale ekstreme hændelser, (4) skelne mellem fysiske processer og skjulte rumlige effekter og (5) udvide rammen til hele Nordeuropa. De to PI’ers komplementære styrker giver et stærkt grundlag for at opbygge en langsigtet forskningsplatform og styrke fremtidens klimatjenester.
Lektor Anders Stockmarr, DTU Compute, Danmarks Tekniske Universitet og professor Peter Steen Mikkelsen, DTU Sustain, Danmarks Tekniske Universitet
4,4 mio. kr.
Grønland rummer et stort potentiale for kritiske mineraler, som er afgørende for moderne industri, europæisk sikkerhed og den grønne omstilling. Efterforskning er dog vanskelig, fordi centrale oplysninger er omfattende, fragmenterede og ofte gemt i ældre håndskrevne rapporter, kort og feltfotografier. Bæredygtig udvikling kræver derfor datadrevne metoder, der balancerer økonomisk vækst, miljøbeskyttelse og fordele for grønlandske lokalsamfund, og samtidig undgår ineffektiv efterforskning. Projektet kombinerer geologisk ekspertise ved GEUS med avanceret kunstig intelligens ved Københavns Universitet for at udvikle nye værktøjer til målrettet mineralefterforskning. Vi vil digitalisere og strukturere historisk materiale, tilpasse ældre kort og billeder til moderne geospatiale data og træne AI-modeller til at identificere mønstre i mineralisering. Synergien mellem projektets to hovedansvarlige sikrer både videnskabelig dybde og praktisk relevans.
Lektor Bulat Ibragimov, Datalogisk Institut (DIKU), Københavns Universitet og seniorforsker Pierpaolo Guarnieri, Afdelingen for Kortlægning og Mineralske Råstoffer, GEUS
4,4 mio. kr.
Præcise bølgemålinger er afgørende for vejrudsigter, klimaforskning og sikker, brændstofeffektiv skibsfart, men traditionelle bølgebøjer giver begrænset dækning. Dette projekt omdanner på principielt niveau den globale handelsflåde til et distribueret bølgeobservationssystem ved at udnytte skibsbevægelser (MRU-data), som allerede måles ombord. Helt konkret analyseres MRU-data fra ca. 150 containerskibe i global service, hvor bølgeestimering behandles som et flådeskala-inferensproblem. Hydrodynamiske overføringsfunktioner kombineres med physics-informed neurale netværk, transfer-learning og usikkerhedskvantificering, så fysiske principper indlejres i datadrevne modeller. Samlet analyse af forskellige skibsrespons reducerer bias og usikkerhed uden brug af ny hardware. Projektet muliggør skalérbar, selvvaliderende bølgeestimering med betydning for maritim sikkerhed, energieffektivitet samt forbedrede havdata til vejr- og klimamodeller.
Lektor Allan Engsig-Karup, DTU Compute, Danmarks Tekniske Universitet og lektor Ulrik Dam Nielsen, DTU Construct, Danmarks Tekniske Universitet
4,4 mio. kr.
For at gøre solenergi mere praktisk i hverdagen, må vi bevæge os ud over store solcelleparker og også anvende solenergi til indendørs elektronik, for a reducere brugen af engangsbatterier. Nye materialer som antimonsulfid er lovende til at konvertere lysenergi indendørs, men de er i øjeblikket svære at perfektionere, da selv små fejl under fremstillingen kan ødelægge deres ydeevne. I stedet for optimere designet ved at prøve sig frem, bruger dette projekt et smart "closed-loop"-system, der kombinerer praktisk laboratoriearbejde hos DTU Electro med avanceret AI fra DTU Compute. Ved at lade den kunstige intelligens lære af hvert eksperiment og foreslå de bedste næste skridt, kan vi hurtigt opdage, hvordan man bygger højeffektive solceller til indendørs brug og meget mere.
Lektor Mikkel Schmidt, DTU Compute, Danmarks Tekniske Universitet og seniorforsker Stela Canulescu, DTU Electro, Danmarks Tekniske Universitet
4 mio. kr.
- Villum Synergy skal styrke interdisciplinær, datadrevet forskning og er målrettet forskere fra datalogi, statistik eller anvendt matematik i samarbejde med forskere fra en bred vifte af andre fag.
- Programmet blev etableret i 2019 for at koble datavidenskab med andre fagområder og styrke den excellente interdisciplinære forskning i Danmark.
- Fastansatte universitetsforskere kan søge om bevillinger på 4,5 mio. kr. til opstart af nye samarbejder, eller bevillinger på 9-14 mio. kr. til veletablerede samarbejder, der kan drage nytte af en større bevilling.
