ERC Consolidator Grant voor drie wetenschappers van de Universiteit Twente

Prof.dr. Johannes Schmidt-Hieber (Faculteit EEMCS) 

Vergeleken met moderne AI‑systemen, kunnen de hersenen sneller leren en beter generaliseren naar nieuwe situaties en verbruiken ze minder energie. Een kind heeft slechts een paar voorbeelden nodig om een hond van een kat te leren onderscheiden. En mensen kunnen in slechts enkele uren een auto leren besturen. AI‑systemen hebben echter duizenden trainingsvoorbeelden nodig voor beeldherkenningstaken. En de zelfrijdende auto is nog steeds in ontwikkeling, ondanks de beschikbaarheid van gegevens van miljoenen kilometers aan testritten en miljarden kilometers aan gesimuleerde ritten. 

Waarom doen de hersenen het beter dan AI? Kunstmatige neurale netwerken vormen het hart van de AI-revolutie. In de afgelopen jaren is er ontzettend hard gewerkt aan het ontrafelen van de wiskundige eigenschappen hiervan, wat heeft geleid tot fundamentele inzichten en wiskundige garanties over wanneer en waarom deep learning goed werkt. Kunstmatige neurale netwerken zijn geïnspireerd door de hersenen, maar verschillen daar in veel opzichten van. Het doel van dit project is het ontwikkelen van geavanceerde wiskundige hulpmiddelen om het leren in de hersenen te analyseren als een statistische methode. Als het onderzoek succesvol is, kan het inzichten bieden in hoe de hersenen leren en tot aanbevelingen leiden om AI efficiënter te maken met minder data.

Prof.dr.ir. Massimo Sartori (Faculteit ET / TechMed Centrum)

Is het mogelijk om nieuwe, gezonde biologische weefsels te regenereren in het menselijk lichaam na neuromusculair letsel? De ERC Consolidator Grant is toegekend voor ROBOREACTOR, dat zich bezighoudt met door een beroerte veroorzaakte neuromusculaire achteruitgang die van invloed is op onmisbare functies als de motoriek. Het project richt zich met name op skeletspieren en de innerverende spinale neuronen hiervan. 

Skeletspieren laten een opmerkelijk regeneratief vermogen zien in reactie op aanhoudende elektromechanische prikkels. Maar voor het regenereren van spieren is een goed op elkaar afgestemde wisselwerking nodig tussen het immuunsysteem en het skeletspierstelsel. Na een beroerte wordt spierregeneratie gehinderd door verstoorde ontstekingsprocessen, waardoor geen optimaal herstel optreedt van het verloren gegane bewegingsvermogen. 

Robotische exoskeletten en neurostimulatoren hebben de potentie om nauwkeurige elektromechanische prikkels af te geven die ontstekings- en hermodelleringsprocessen in beschadigde spieren en innerverende neuronen opnieuw kunnen optimaliseren. Het probleem is dat we niet begrijpen hoe door een robot afgegeven prikkels van invloed zijn op spierontsteking en hermodellering in het verloop van weken tot maanden. 

ROBOREACTOR pakt dit probleem aan door het maken van door sensoren aangestuurde digitale menselijke tweelingen die spierontsteking en hermodellering kunnen voorspellen in de loop van weken in reactie op behandelschema's van elektromechanische prikkels, dat wil zeggen trekbelasting en drukspanning die worden afgegeven via zachte exopakken en elektrische stroompjes die worden afgegeven via ruggenmergstimulatie. Het idee is om door AI gestuurde computermodellering te combineren met geavanceerde in vivo neurale interfacing en in vitro technieken op het gebied van weefseltechnologie. De door AI aangestuurde digitale menselijke tweelingen die hieruit voortvloeien worden tenslotte geïntegreerd in voorspellende controleraamwerken om te komen tot een intelligent neurorobotisch platform. Dit platform kan autonoom de prikkels ontdekken die nodig zijn voor optimale regeneratie van spieren in het verloop van de tijd na een beroerte. Mogelijk zal het zelfs beter gaan presteren dan conventionele handmatige revalidatie. 

Door zich te richten op ontsteking en hermodellering in het verloop van weken, heeft ROBOREACTOR het potentieel om het herstel na een beroerte opnieuw vorm te geven. Daarmee wordt het pad geëffend voor intelligente robotische bioreactoren en worden de interactieprincipes tussen mens en robot opnieuw gedefinieerd, met brede gevolgen voor de gezondheid.

Dr. Richard Stevens (Faculty of TNW)

Een 3D-visualisatie van een simulatie van de interactie tussen twee windparken. De witte wolken achter de windturbines geven de gebieden aan met lage windsnelheid, de zogenaamde windturbine-zoggen.

Referentie: A. Stieren and R. J. A. M. Stevens, Flow 2, E21 (2022).

Windpark simulaties baseren zich vaak op ideale atmosferische condities. Echter, de wisselwerking tussen windparken en de atmosfeer is complex, mede door de interactie met de oceaan. Uiteindelijk is het ontrafelen van deze complexe interacties essentieel voor het optimaliseren van de prestaties van windparken. Richard Stevens is van plan om gedetailleerde windpark simulaties te combineren met weermodellen. Het doel is om de efficiëntie van windparken onder realistische weersomstandigheden te beoordelen en te modelleren. Hierbij worden fundamentele vragen aangepakt over de invloed van windparken op atmosferische stabiliteit, vochtverspreiding, en energie uitwisseling tussen atmosfeer en oceaan. Deze inzichten zijn cruciaal voor het ontwerp van toekomstige windparken.