Kuva: Roman Klus
Jaakko Pihlajasalo osoittaa väitöskirjassaan, että koneoppimisella voidaan tehokkaasti lieventää mallintamattomia virheitä ja laitteistovääristymiä satelliittien rataennusteissa sekä 5G-vastaanottimien signaalinkäsittelyssä. Tutkimuksessa konvoluutioneuroverkot ja muut oppivat menetelmät paransivat perinteisten fysiikkapohjaisten mallien tarkkuutta ja kykenivät kompensoimaan erilaisia häiriöitä, kun opetusdata edusti epäideaalisuuksia riittävän kattavasti. Tulokset osoittavat, että koneoppiminen tuo konkreettista lisäarvoa myös aloille, joilla laskennallisesti tehokkaat fysikaaliset mallit ovat jo vakiintuneita. Tutkimus avaa mahdollisuuksia luotettavampaan satelliittipaikannukseen ja langattomaan tiedonsiirtoon sekä kustannustehokkaampien vastaanotinratkaisujen kehittämiseen.
Diplomi-insinööri Jaakko Pihlajasalon sovelletun matematiikan alan väitöskirja Impairment Mitigation with Machine Learning for Satellite Ephemeris Extension and 5G Physical-Layer Communications tarkastetaan julkisesti Tampereen yliopiston informaatioteknologian ja viestinnän tiedekunnassa perjantaina 20.3.2026.
Vastaväittäjänä toimii professori Laura Ruotsalainen Helsingin yliopistosta. Kustoksena toimii vanhempi yliopistonlehtori Simo Ali-Löytty informaatioteknologian ja viestinnän tiedekunnasta.