Akatemialta yhdeksän miljoonaa ICT-tutkimukseen
Tenure track -professori Sampsa Pursiainen Tampereen yliopistosta sai rahoituksen tutkimukseen Aurinkokunnan pienkappaleiden sisäosien tomografinen kuvantaminen täydellisellä aaltomuotoisella signaalilla ja FETD-menetelmällä.
Pursiaisen tavoitteena on avata uusia mahdollisuuksia ja näkymiä avaruustutkimuksessa ja astrofysiikassa sekä tukea tulevien luotainmissioiden tieteellisiä tavoitteita radioaaltokuvauksella.
- Tavoitteenamme on mahdollistaa tomografisten täyden aallonmuodon tutkamittausten esikäsittely ja kääntäminen, kun kohteena on asteroidi tai komeetta, Pursiainen kertoo.
Asteroidien ja komeettojen globaali sisärakenne on välttämätön aurinkokunnan historiaa ja kehitystä koskevissa teorioissa. Asteroidien matalataajuuksinen (10-20 MHz) tutkatomografia tarjoaa yhden harvoista suorista mittaustekniikoista sisärakenteen selvittämiseen.
- Olemme julkaisseet aiheesta keskeisiä artikkeleita, joissa olemme kehittäneet täyden aaltomuodon tutkatomografian matemaattista metodologiaa ja osoittaneet sen tarpeellisuuden näissä avaruussovelluksissa.
Alkavassa hankkeessa kehitetään täyden aallon TT-ohjelmistotyökaluja, joita tarvitaan suoraan ja käänteiseen tieteelliseen laskentaan sekä mittausten esikäsittelyyn.
Autonomisia työkoneita virtualisoiduille työmaille
Koneautomaation professori Jouni Mattila sai teollisuuden digitaalisen murroksen ICT-teknologiat -rahoituksen Autonomiset liikkuvat työkoneet virtualisoiduilla työmailla -tutkimukseen.
Reaaliaikaisen 3D-paikannuksen ja kartoittamisen (Simultaneous Localisation And Mapping, SLAM) algoritmit ovat autonomisten robotiikkasovellusten ydin. Viimeisen kolmen vuosikymmenen aikana SLAM-tutkimus on keskittynyt lähes yksinomaan laajennettuun Kalman-suotimeen, minkä on kuitenkin todettu olevan stabiiliusteoreettisesti puutteellinen, ja se tunnetusti aliarvioi mittaamaansa epävarmuutta. Näihin ongelmiin on viime vuosina kehitetty teoreettisesti validimpia algoritmeja (Geometric Nonlinear SLAM observer), mutta tästä huolimatta konenäköpohjaiselle dynaamisen robotin säädölle ei ole esitetty stabiiliustodennettua epälineaarista ohjausjärjestelmää.
- Tavoitteemme on ratkaista tämä poikkitieteellinen avoin ongelma uudella epälineaarisiin alijärjestelmiin pohjautuvalla säätöteorialla. Tämän lisäksi parannamme tähän tarvittavaa liikkuvien työkoneiden liikkeiden estimointia sekä niiden saumatonta integraatiota tulevaisuuden virtualisoiduille työmaille, Mattila kertoo.
IDEA-MILL pyrkii yhdistämään tekoälyn ja reunalaskennan
Tenure track -professori Sergey Andreev tutkii reunalaskennan hajautettua tekoälyä teollisuuden digitaalisessa transformaatiossa. IDEA-MILL-projektikonsortio koostuu Helsingin yliopiston, Tampereen yliopiston ja Aalto-yliopiston tutkimusryhmistä.
Kehittyvä teknologia mahdollistaa yhteyksien, datan ja tekoälyn hyödyntämisen uusien automatisoitujen teollisuusjärjestelmien toteuttamiseen. IDEA-MILL -tutkimusprojekti keskittyy tekoälyn ja reunalaskennan yhdistämiseen reaaliaikaisuuden, matalan latenssin ja skaalautuvuuden mahdollistamiseksi.
Projektin keskeinen idea on tunnistaa, hajauttaa ja optimoida ne teollisten sovellusten toiminnot, jotka voidaan tuoda laitteiden lähelle reunalaskennan avulla. Tavoitteena on saavuttaa läpimurto kehittämällä uusi algoritminen kehikko, joka yhdistää hajautetun tekoälyn ja reunalaskennan optimoitavaksi kokonaisuudeksi.
Algoritminen kehikko käsittää kolme osa-aluetta: skaalautuva reunaäly ja analytiikka; yhteistyö laitteiden, reunalaskennan ja pilvilaskennan välillä; luotettava langattomien yhteyksien ja verkkotopologian hallinta.
AI-ROT optimoi tuotantolinjoja tekoälyavusteisesti
Tietojenkäsittelytieteen professori Tomi Janhunen tutkii pyöriviä koneita käyttävien tuotantolinjojen tekoälypohjaista optimointia Aalto-yliopiston ja Tampereen yliopiston tutkijoiden AI-ROT-konsortiossa.
Paperi- ja terästeollisuuden tyypillisessä tuotantoprosessissa useat roottorit kuljettavat ja muokkaavat tuotetta jatkuvatoimisella tuotantolinjalla. Tällaisen tuotannon kapasiteettia voivat rajoittaa konelinjan pyörivät koneet. Värähtelyt vähentävät lopputuotteen laatua ja vähentävät tuotannon kannattavuutta.
AI-ROT-projektissa kehitetään kattavaa pyörivistä koneista koostuvien tuotantolinjojen optimointia tekoälyavusteisesti. Hankkeessa sovelletaan erilaisia tekoälypohjaisia menetelmiä perustuen sekä tiedon täsmälliseen käsittelyyn ja toisaalta erittäin mukautuviin koneoppimismenetelmiin. Tuloksena saadaan arvokasta palauteinformaatiota perinteisiin teollisiin prosesseihin, kuten pyörivien koneiden suunnitteluun, käyttöön ja kunnossapitoon.
Tutkimuksessa myös integroidaan tuotantokustannuksia ja tuotteen kokonaiskannattavuutta koskevia yritystietoja tuotannon suunnittelun, tuotantoparametrien ja kunnossapitotoimintojen optimoimiseksi.
Tavoitteena kehittää syvää tietojenkäsittelyosaamista
Suomen Akatemia ja Business Finland toteuttavat yhteistyössä ICT 2023 -tutkimus-, kehitys- ja innovaatio-ohjelmaa. Vuoden 2020 myöntämisvaltuudesta 10 miljoonaa euroa on tarkoitettu ICT 2023 -ohjelman toteuttamiseen.
Ohjelman tavoitteena on ICT 2015 -työryhmän raportin 21 polkua Kitkattomaan Suomeen (pdf) mukaisesti syvän tietojenkäsittelyosaamisen kehittäminen ja ICT:n laaja-alaisen hyödyntämisen edistäminen. Ohjelma kokoaa yhteen yliopistot, tutkimuslaitokset, yritykset ja rahoittajat.
