AiNed heeft groen licht gegeven voor het subsidiëren van tien Nederlandse onderzoeksprojecten op het gebied van artificial intelligence (ai). Het gaat om de eerste toewijzingen vanuit het Nationaal Groeifondsprogramma (NGF).
AiNed is een initiatief van de Nederlandse AI Coalitie om de ontwikkeling en toepassing van ai in Nederland te stimuleren. Het geld komt van het NGF. Ook NWO levert een bijdrage. Voor deze fondsen komen alleen projecten in aanmerking waarbij wordt samengewerkt met een buitenlandse partner. De initiatieven moeten grensverleggend, innovatief en risicovol zijn. Wat telt is dat elk resultaat, zowel positief als negatief, de wetenschap vooruit helpt. De onderwerpen van de toegewezen projecten lopen sterk uiteen.
De projecten:
- Dr. Alejandro Aragón (TU Delft) krijgt geld voor het beschrijven van het gedrag van éénlaagse materialen (2d) zoals grafeen. Met geavanceerde machine learning wil de onderzoeker tot nauwkeurige wiskundige uitdrukkingen komen die hun dynamiek beschrijven. Daarmee is de weg vrij te maken om hun volledige potentieel te benutten voor uiterst gevoelige sensoriek in hitech-industrieën.
- Dr. Mahdi Farnaghi (Universiteit Twente) werkt aan de modernisering van geografische modellen. Door geavanceerde ai-taalmodellen te integreren met op opensource gebaseerde, geografische platforms (GIS) wil hij een oplossing creëren waarbij ai en menselijke experts samen complexe modellen ontwerpen. Voorbeeld is een tool die helpt bij het ontwikkelen van modellen die overstromingsgevoelige gebieden detecteren, gewasopbrengsten schatten of milieuveranderingen voorspellen.
- Prof. dr. A. Albert Gatt (Universiteit Utrecht) onderzoekt het samenspel tussen perceptie en taal. Hij wil mensgerichte, cognitief plausibele ai-modellen voor referentiële communicatie ontwikkelen.
- Dr. ir. Johan Kwisthout (Radboud Universiteit) richt zich op MCMC-algoritmen (Markov Chain Monte Carlo) die heel snel een zoekruimte kunnen verkennen. Deze techniek vindt een toepassing in intensieve computersimulaties, zoals bij het modelleren van klimaatverandering. Hij wil gebruikmaken van de zogeheten covariantie om algoritmen te ontwikkelen die zuiniger met energie omspringen.
- Dr. Yancong Lin (TU Delft) ontwikkelt een natuurkundig reflectiemodel die de Lidar-sensor (laserscanner) imiteert waardoor ai-modellen efficiënt, interpreteerbaar en te generaliseren zijn naar nieuwe scenario’s.
- Dr. Norbert Moldovan (Amsterdam UMC) zoekt een andere manier om patiënten op kanker te testen. Hij gebruikt daarbij machine learning en een speciale techniek om bloed te onderzoeken. Moldovan ontwikkelt een manier om met behulp van geavanceerde generatieve modellen bestaande datasets uit te breiden. Deze innovatieve benadering kan de detectie-precisie verbeteren met de beperkte beschikbare gegevens.
- Dr. Robert Pollice (Rijksuniversiteit Groningen) gaat een nieuwe taal voor chemische reacties ontwikkelen en geavanceerde moleculaire simulatiemethoden gebruiken om ai beter chemische reacties te laten voorspellen.
- Prof. dr. ir. Ronald de Vries (KNAW) ontwikkelt een ‘machine learning pipeline’, die door het combineren van beschikbare data over schimmels (omics, taxonomie, biotoop- en literatuur-data) snel een pre-selectie kan maken van geschikte schimmels voor een bepaalde toepassing. Hierdoor kunnen experimentele testen meer gericht worden en minder arbeidsintensief.
- Dr. Marijn Schraagen (Universiteit Utrecht) gaat met machine learning de relatie tussen stress en leesvaardigheid onderzoeken. Hij hoopt ermee de laaggeletterdheid aan te pakken.
- Prof. dr. Martinus Schut (Amsterdam UMC) wil een ‘foundation model’ (ai-basismodel) voor geavanceerde analyse van het volledige bloedbeeld ontwikkelen. Het blijkt nuttig één enkel basismodel op een enorme hoeveelheid data te trainen en dit aan te passen voor vele toepassingen. De zeer snelle adoptie van ChatGPT en Dall-E bewijst dat. Schut wil deze werkwijze op de geneeskunde toepassen. Vervolgens zijn aanpassingen mogelijk voor verschillende risicomodellen voor infectieziekten en hartziekten.
