Zes Vidi-beurzen voor UT-onderzoekers

Dr. M. Carioni

Het wordt steeds duidelijker dat onze samenleving wordt overspoeld door een groeiende stroom aan informatie, waarvan een groot deel overbodig of onbetrouwbaar is. Zelfs in ons dagelijks leven worden we voortdurend geconfronteerd met de uitdaging om inhoud uit verschillende media te filteren. Een manier om deze uitdaging aan te gaan is door middel van compressiemethoden, die al op grote schaal worden toegepast op eindig-dimensionale gegevens. Als het echter gaat om oneindig-dimensionale structuren, die vaak worden gebruikt om moderne gegevens te beschrijven, zijn dergelijke methoden nog onontgonnen terrein. SPARGO wil deze kloof overbruggen door een nieuw kader voor oneindigdimensionale compressie te ontwikkelen.

Dr. ir. A. Continella

De software die onze samenleving draaiende houdt is kwetsbaar voor cyberaanvallen. Academici en organisaties proberen kwetsbaarheden in software te vinden en te verhelpen. Echter, huidige methodes vinden te veel, mogelijk incorrecte, kwetsbaarheden waardoor organisaties overladen worden met onbehandelbare meldingen en services kwetsbaar blijven. In dit project ontwikkelen onderzoekers automatische technieken om ontdekte kwetsbaarheden te analyseren en het risico voor specifieke IT infrastructuren in te schatten, waardoor er prioriteit aan kritieke kwetsbaarheden kan worden gegeven. In tegenstelling tot voorgaand werk analyseren de onderzoekers volledige infrastructuren in plaats van individuele applicaties, waardoor kwetsbaarheden sneller en effectiever verholpen worden, wat de kosten reduceert.

Prof. Dr. G. Gantner

Partiële differentiaalvergelijkingen worden gebruikt om talrijke tijdsafhankelijke processen wiskundig te modelleren, zoals warmtegeleiding, vloeistofbeweging, de voortplanting van akoestische/elektromagnetische golven en vele anderen. Deze vergelijkingen zijn bijna nooit exact oplosbaar. Daarom zijn numerieke algoritmes onmisbare instrumenten om hun oplossingen te benaderen met behulp van computers. Het doel van dit onderzoek is het ontwikkelen en wiskundig analyseren van nieuwe algoritmes specifiek voor warmtegeleidingsprocessen die de exacte onbekende temperatuur met minimale rekentijd nauwkeurig benaderen, zodat zelfs complexe problemen binnen realistische tijds- en middelenbeperkingen opgelost kunnen worden.

Dr. L.I.M. Lenferink

Negen procent van de kinderen (<18 jaar) maakt een overlijden mee van een ouder, broer of zus. Rouwonderzoek richt zich op individuen, terwijl meerdere mensen door hetzelfde verlies worden getroffen. Onder 250 jongeren (12-20 jaar) en hun ouders die een gezinslid zijn verloren wordt onderzocht in hoeverre:

1)       rouw overdraagbaar is tussen ouders en kinderen;
2)       rouwoverdracht plaatsvindt op meerdere tijdschalen, zoals uren, dagen, weken en maanden die variëren in sterkte en richting tussen tijdschalen;
3)       familiedynamieken een centrale rol spelen bij rouwoverdracht.

Het verzamelen van vragenlijstgegevens en audio-opnames via smartphones biedt eerste inzichten in rouwoverdracht, wat de rouwzorg verbetert.

Dr. G. Rattan

Leren van complexe systemen: de wiskundige grondslagenWat maakt een chemische molecule een goed medicijn? Hoe snel kunnen ideeën zich verspreiden via sociale netwerken? Waarom zijn bepaalde complexe systemen, zoals het menselijk brein of het internet, zo moeilijk te begrijpen? Het opkomende vakgebied Graph Learning belooft de verborgen patronen in complexe systemen te ontrafelen. De kern van deze aanpak zijn Graph Neural Networks (GNNs): dit zijn AI-modellen die kunnen redeneren over relaties, niet alleen over data. Wij leggen de wiskundige basis voor de volgende generatie GNN's die slimmer, sneller en betrouwbaarder zijn.

Dr. N. Strisciuglio

AI-ontwikkelingen hangen nu af van grote datasets. Deze datasets bevatten vaak een bias, waardoor resultaten onbetrouwbaar en oneerlijk kunnen zijn. Verder wordt de ontwikkeling van AI gedomineerd door grote bedrijven, die toegang hebben tot gigantische databronnen. In dit project ga ik een data-efficiënt AI-model ontwerpen, gebruikmakend van voorkennis en beeldcomposities. Dit vermindert de afhankelijkheid van grote datasets en de impact van biases. Mijn doel is om meer toegankelijke en betrouwbare modellen te ontwikkelen, door het ontwerpen van AI-modellen die efficiënt kunnen leren met minder data. Zo ga ik de uitdaging aan met het huidige systeem en democratiseer ik de AI-ontwikkelingen.