Portefølje Naturvitenskap og teknologi ikon

The research system

Portefølje Humaniora og samfunnsvitenskap ikon

Ground-breaking research

Portefølje Samisk ikon

Sámi society and culture

Portefølje Demokrati, styring og fornyelse ikon

Democracy and global development

Portefølje Velferd, kultur og samfunn ikon

Welfare, culture and society

Portefølje Helse ikon

Health

Portefølje Klima- og polarforskning ikon

Climate and environment

Portefølje Landbasert mat, miljø og bioressurser ikon

Land-based food, the environment and bioresources

Portefølje Energi, transport og lavutslipp ikon

Energy and transport

Portefølje Muliggjørende teknologier ikon

Enabling technologies

Portefølje Industri og tjenestenæringer ikon

Innovation

LTP Climate, environment and environmentally friendly energy

Climate and loss of natural diversity

Internationalization

Societal security and civil preparedness

Renewal in the public sector

Velferdstjenester

Frontpage Image

Marine icon

Petroleum og mineraler

LTP Hav ikon

Oceans and coastal areas

LTP2 Muliggjørende og industrielle teknologier ikon

Enabling and industrial technologies

Trust and community

Professional environment

High quality and accessibility

LTP Climate

Strengthened competitiveness and innovation capacity

LPT Health

 An innovative business community

LTP3 Helse

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

LTP2 Utvikle fagmiljøer av fremragende kvalitet

LTP2 Samfunnssikkerhet og samhørighet ikon

LTP2 Fornyelse i offentlig sektor ikon

LTP2 Klima, miljø og miljøvennlig energi ikon

Forsidebilde optimalisert

project-bank-technical

Et innovativt næringsliv ikon

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Marin ikon

Forsidebilde

Statistics

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...or see the summary and other information about the projects you have selected

Portfolios

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

How the grants are distributed between organisations, counties, subject areas etc....

Here are some examples of searches you can perform in the Project Databank

All long term plan objectives

About Text Queries

No thematic area or topic related to the project

has received funding in the programme period

No popular science description is available

have received funding in the programme period

The project with project number {{project number}} was not found

Technical description

Woops, something went wrong. Please refresh the page. If the error persists, please contact us.

We could not find what you were looking for

See statistics related to this LTP objective

See projects related to this LTP objective

related to this LTP objective have received grants

has been granted to projects related to this LTP objective

has been granted to projects related to this portfolio

related to this portfolio have received grants

About Prosjektbanken

Programmer

Frittstående prosjekter

Nettverkstiltak

Infrastruktur og institusjonelle tiltak

Forvaltning

Diverse FoU-relaterte aktiviteter

Ukjent

Felleskostnader

Effektene av fysisk og seksuell vold på ofre og deres familier kan være ødeleggende og vedvarende, med potensielt langvarige konsekvenser for fysisk og mental helse, utdanning, sysselsetting og bruk av velferdstjenester. Mens strafferettssystemet anses som en viktig del av offerets gjenopprettingsprosess, er det begrenset empirisk forskning på hvorvidt strafferettslige prosesser hjelper og/eller hindrer bedring langs disse ulike dimensjonene. I dette prosjektet vil vi adressere dette kunnskapshullet ved å bruke en kombinasjon av kvantitative og kvalitative forskningsmetoder. I de kvantitative analysene vil vi bruke administrative registerdata som dekker hele befolkningen sammen med kvasi-eksperimentelle metoder for å kunne trekke kausale slutninger. Vi vil også benytte maskinlæringsteknikker for prediksjon. De kvalitative analysene vil supplere de kvantitative analysene ved å gi kontekst til et komplekst felt av saker og ofre og ved å identifisere potensielle mekanismer mellom strafferettslige prosesser og utfall for ofrene. Samlet vil disse metodene gi en mer robust, representativ og nyansert forståelse av hvordan kontakt med strafferettssystemet påvirker offeret på tvers av flere viktige livsområder både på kort og lang sikt. Prosjektet ledes av Folkehelseinstituttet (FHI) med Frischsenteret og Universitetet i Oslo som partnere. Prosjektet har et rådgivende utvalg med medlemmer fra Nasjonalt kunnskapssenter om vold og traumatisk stress (NKVTS), ETH Zurich, Universitetet i Oslo, Frischsenteret, Universitetet i Bergen, og OsloMet. Det er også tilknyttet en brukergruppe bestående av personer og organisasjoner som er i kontakt med ofre for vold og overgrep.

Victims of sexual and physical violence is one of the most vulnerable groups in our society. The criminal justice system (CJS) serves a critical role in providing assistance to victims of these crimes, enabling them to seek justice, protection, compensation, and closure. Yet, knowledge about whether the CJS helps or harms these victims is extremely limited. This project aims to remedy this by providing a comprehensive understanding of the role of the CJS in supporting and providing restoration for victims of physical and sexual violence in Norway. We will utilize a combination of quantitative and qualitative research methods across disciplines to study outcomes across multiple important life domains, both in the short and long run. For the quantitative analyses we will use exceptionally rich longitudinal administrative register data with full population coverage combined with state-of-the-art quasi-experimental methods for credible causal inference and predictive machine learning techniques. The qualitative analysis will be based on narrative interviews with victims, providing context and insights into how interactions with the CJS shape life stories. The results will yield a robust and nuanced understanding of how the different stages of the CJS impacts victims. This is particularly urgent given how the current emphasis on legal responses to assaults has caused a sense of obligation and civic duty for especially women to report incidents, while the chances of legal closure remain small. In addition to advancing the methods for quasi-experimental designs and machine learning within quantitative criminology, this project will provide valuable insights for policymakers, stakeholders, and practitioners working in the field of victim support and rehabilitation and may inform current legal reform efforts aimed at addressing these issues.

Helpful or harmful: The effects of criminal justice system contact on victims of sexual and physical violence

Prosjektet CO2SafeQuest har som mål å forbedre risikovurderingen av CO2-lagringsprosjekter, noe som gjør det mulig å akselerere og sikre oppskalering av CCS-prosjekter. Arbeidsflytene og verktøyene i dette prosjektet vil hjelpe industrien med å vurdere CO2-lagring og etablere trygge injeksjonsforhold. Usikkerheter er knyttet til forståelse av forkastninger og takbergarten og hvordan de forsegler over tid. For å forhindre lekkasjeproblemer i fremtiden og sikre trygg lagring, er det derfor viktig å forstå forkastningsgeometrien og egenskapene i undergrunnen. Det er nødvendig å bygge bro mellom forskjellige skalaer av studier fra eksperimenter til feltanaloger og seismikk og til slutt reservoarskala. Dette tverrfaglige og innovative prosjektet samler eksperter fra akademia, forskningsinstitutter og industri for å utvikle nye datasett, forbedre de nåværende hydromekaniske modellene, identifisere usikkerhetene og vurdere risikoene. Derfor vil prosjektet bidra til å redusere risikoen ved CO2-lagring og åpne nye potensielle lagringsmuligheter, og til slutt bane vei for utviklingen av CO2-lagring i megatonskala innen midten av 2030.

CO2SafeQuest project aims at providing the workflows and the characterization and simulation tools needed to
enhance fault behavior and risk assessment in CO2 storage evaluation, allowing to target more complex reservoir
and so, accelerate and secure CCS projects scale-up. These workflows and tools will help industry to enhance the
CO2 storage evaluation and operation design.
To reach the overall objectives of the project, it is needed to set a bridge between the gap between different scales
of fault study by providing suitable data and statistical correlations, and identify suitable hydromechanical models
for faults at industrial CCS scale. This, to assess impact of uncertainties and quantify phenomenological impacts
and leakage risk at reservoir scale, provide guidelines on fault modeling in an industrial CCS context and on how to
calibrate model parameters based on geophysical measurements, laboratory data and analogue outcrop data.
This project targets the CO2 storage part of the Call Module CM2023-04 on Carbon capture, utilization and storage
(CCUS). Unravelling faults properties and behavior in CO2 geological storage is mandatory to “faster scale up of
CCS technologies and at lower risk” and “minimizing or avoiding adverse impact on human health and the
environment of CO2 storage”, this will be done in this project through the development of innovative integrated
workflows addressing the long term confinement of CO2 in faulted sandstone porous media. This project, through
enhancing the CO2 storage derisking and opening new potential storage prospects, will participate to pave the way
for the development of megaton scale CO2 storage by mid 2030.

CETP - Unravelling Faults properties and behavior for CO2 geological storage

Geological CO2 sequestration has gotten a lot of attention as a potential technical solution for decreasing human carbon emissions to the environment. Numerical reservoir simulation (NRS) has been conventionally used to model subsurface reservoirs and employed in uncertainty analysis, optimization, and decision-making. One of the challenges associated with NRS is the computational efforts required to model complex reservoir systems. Therefore, fast proxy models are suggested for quick predictions. Although several studies have been conducted about the CO2 injection & storage (CIS) process, there still exists a research gap in developing a fast tool for monitoring and performance prediction of a safe CIS project. This research project aims to develop an open-access smart tool to predict the performance of CIS with satisfactory accuracy in the mature fields of the Norwegian Continental Shelf, considering geochemical & geomechanical (GCGM) aspects. The uncertainty parameters will be the underground rock and fluid properties, operational constraints of the CO2 injection, and GCGM parameters. The target parameters include net CO2 storage, ultimate oil recovery from miscible CO2 injection, & cumulative production of gaseous CO2. The risk of CO2 leakage through induced fractures/faults should be considered by considering the effect of GCGM parameters on CIS. The effect of GCGM parameters on such processes will be useful in CO2 leakage risk quantification, making the proxy model more realistic. Machine learning tools, such as PINN, ANN, SVR, and XGBoost, will be applied to the simulated data set to digitalize the CIS process efficiently. The developed proxy model will be validated with a synthetic truth model. Lastly, the novel proxy model will be added as a separate module to MRST - an open-access software. This integration offers researchers and industry professionals an openly accessible, fast & accurate proxy model to streamline the initial evaluation of CIS projects.

Open-Source Proxy Tool for CO2 Injection and Storage Modeling - Sustainable Utilization of the Norwegian Continental Shelf

Multilingual Transmission in Indigenous Languages in the Diaspora

Bilingual speakers of a Heritage Language (HL)—a language acquired naturalistically from early childhood, but distinct from the dominant language of the larger society—often display innovation and variation. Which exact factors account for this observation is subject of both theoretical discussion and empirical work. Cross linguistic influence (CLI) from the majority language plays an important role. However, the providers of input for the HSs are bilinguals living in the same dominant language society and potentially themselves HSs, whose linguistic patterns can be qualitatively different from those of the speakers from the homeland. To address the genuine contribution of the CLI in HL development, a good and largely underused comparison within the study of HLs would be the tripartite comparison of (i) HSs, (ii) their L1 immigrant input providers and (iii) speakers in the homeland.   Most of psycholinguistics, including HL, research is conducted on languages endowed with writing systems and literacy traditions, an official status in some areas of their spread and a large, multi-million speaker population. Thus, what we know about HLs is largely based on a small sample of language pairs in a handful of sociolinguistic situation types. This incompleteness of coverage underdetermines the power of generalizations from empirical observations as well as their contributions to (psycho)linguistic theories. Therefore, it is urgent to take psycholinguistic studies out of the lab and focus on lesser-studied, including indigenous HLs.   Using Mano as a case study, the objective of MuTILDa (Multilingual Transmission in Indigenous Languages in the Diaspora) is to study variation in linguistic knowledge of speakers of an indigenous HL in the diaspora, measured at the level of production and comprehension. It will be the first study of an indigenous language combining data from L1 immigrant generation, HSs and speakers in the homeland, as well as offline and online measures.

Spatial Communication and Ageing across LAnguages

Spatial communication is fundamental to our species. Spatial terms, including spatial adpositions and demonstratives, are among the most frequent terms in languages and form the key connection between language and objects/locations in the world. Yet little is known regarding how spatial communication changes as one ages in later life and across different spatial scales and media. The focus of SCALA is to understand fundamentally how spatial communication changes in typical and atypical ageing across spatial scales, and how technology may be harnessed to afford enhanced understanding of spatial communication and support for spatial communication when needed in the context of an increasingly ageing European population. This DN will train the next generation of scientists in the full range of multidisciplinary and cross-sectorial methods necessary to make significant progress in understanding human-human and human-technology spatial communication across time and scales, with direct synergies between basic research and application. Training is structured around two interdisciplinary research themes - Spatial Communication in Typical and Atypical ageing, and Spatial Communication, Technology and Ageing - both involving systematic co-supervision and collaboration across sites, with extensive interplay between academic and non-academic beneficiaries and associated partners. In turn we expect that a range of applications will be enhanced with increased usability, and with associated societal and economic benefit. The training of the cohort of Doctoral Candidate Fellows follows innovative PhD training approaches and will provide comprehensive interdisciplinary training, embracing leading peer assisted learning methods that have been successively employed in previous DNs. This will produce a cohort of unique and highly skilled researchers ideally equipped to add significant value to both the public and private sectors.

Prosjektet har som mål å utforske og utvikle matematiske og numeriske metoder for å analysere stokastiske transportligninger. Disse ligningene er essensielle for å forstå hvordan tilfeldige fluktuasjoner (støy) påvirker dynamiske systemer som turbulens, vannbølger, geofysiske strømmer, og kompressibel væskebevegelse. Transportligninger er en type partielle differensialligninger som brukes til å modellere bevegelse og spredning av størrelser som masse, energi eller kjemiske stoffer i et medium. Disse ligningene tar hensyn til hastighetsfeltet, som beskriver retning og hastighet av bevegelsen i mediet. Ved å inkludere stokastiske elementer i disse modellene, kan vi ta høyde for tilfeldige påvirkninger eller støy som oppstår i systemet. Dette er avgjørende fordi mange naturlige og industrielle prosesser er utsatt for uforutsigbare faktorer, som kan ha innvirkning på deres dynamikk. Prosjektet fokuserer på gradientstøy, hvor hastighetsfeltene påvirkes av støy. Dette muliggjør energibevarende løsninger, noe som er ønskelig i fluidmekanikk. Energibevaring refererer til prinsippet om at den totale energien i et lukket system forblir konstant over tid, selv om den kan endre form. Konvensjonelle tilnærminger legger til såkalt Itô støy i kildeledd, noe som kontinuerlig tilfører energi. Gradientstøy krever avanserte matematiske verktøy for å håndtere dens komplekse påvirkning på systemene. Vi bruker Stratonovich- og Marcus-type fluktuasjoner for å representere denne støyen i hastighetsfeltene til transportligningene. Prosjektet har som mål å utvikle nye matematiske og numeriske teorier for å håndtere de spesifikke utfordringene som gradientstøy medfører. Vi fokuserer på å forstå superkritiske transportligninger, ikke-lineære bølgeligninger, og kompressibel Navier-Stokes ligninger. Viktige spørsmål er: (1) Har disse stokastiske ligningene en løsning? (2) Er løsningen entydig? (3) Er løsningen stabil ved endringer i inngangsdataene? (4) Hvordan kan løsningen beregnes numerisk?

Our project is at the cutting edge of numerical analysis of SPDEs affected by transport noise. Such equations have emerged as a focal point in mathematical research, due to their critical applications in areas like fluid dynamics, turbulence modeling, and geophysical flows. This heightened interest is driven by the need for deeper understanding and precise analysis of these complex phenomena, where SPDEs offer vital insights and predictive capabilities. What sets our research apart is its emphasis on transport-dominated systems driven by gradient noise operators. Prior numerical analysis studies have explored SPDEs with stochastic forcing, but the examination of gradient noise is still in its infancy. The complexity of gradient noise, involving anisotropic (integro-) differential operators due to stochastic calculus, presents unique challenges. There is a pressing need to develop methods that preserve the hyperbolic structure of these equations. Our project aims to pioneer this field by devising theoretically sound numerical algorithms and creating novel frameworks for stability and convergence. Our work considers supercritical transport equations, nonlinear wave equations, and the compressible Navier-Stokes equations. Research on stochastic transport equations is inspired by the famous Kraichnan turbulence model, which posits advection through a Gaussian velocity field. Yet, there is a growing consensus that noise in turbulent velocities might be better represented by a Lévy process with jumps. As the second main advancement of our project, we are breaking new ground by pioneering the analysis of SPDEs affected by Marcus-type gradient noise. This area is critically important yet hardly explored, with vast potential for groundbreaking discoveries. Marcus noise is distinct for adhering to the Newton-Leibniz chain rule, which is important in fluid dynamics, unlike the Stratonovich interpretation which fails to do so in the presence of jumps.

NASTRAN: Numerical Analysis of Stochastic TRANsport

I løpet av de siste tiårene har en rekke optimaliseringsmodeller blitt utviklet for å best mulig utnytte de begrensede ressursene i kraftsystemet. Med den raske utviklingen av maskinlæringsmetoder (ML) har integrering av ML med disse optimaliseringsmodellene dukket opp som en lovende trend. I motsetning til tradisjonelle optimaliseringsmetoder, som gjentatte ganger løser lignende problemer uten å lære av tidligere løsninger, utnytter ML historiske data og tidligere beslutninger for å forbedre optimaliseringsytelsen betydelig.

Dette prosjektet har som mål å utvikle kunnskap som muliggjør dyp integrasjon mellom ML-tilnærminger og det kortsiktige vannkraftproblemet for av-/på-beslutninger i et deregulert kraftsystem. Av-/på-problemet er grunnlaget for produksjonsplanlegging. Målet er å optimalisere driften av generatorer, primært vannkraftturbiner, over en begrenset planleggingshorisont under ulike drifts- og markedsforhold. Nye fornybare energikilder som sol- og vindkraft vil også bli vurdert når det er nødvendig.

Den ML-baserte optimaliseringsmodellen utviklet i dette prosjektet kan forbedre beregningseffektiviteten betydelig ved å generere daglige produksjonsplaner for norske vannkraftprodusenter, og gjøre dem mer effektive og tilpasningsdyktige til markedsforhold. Vellykket implementering av ML i optimaliseringsproblemet vil møte aktuelle utfordringer industripartnere står overfor, som å redusere tidsoppløsningen fra én time til 15 minutter, utvide modellens bruksområde fra et operativt verktøy til et investeringsanalyseverktøy over lengre tidshorisonter (uker til år), som effektivt tar hensyn til usikkerhet i tilsig og priser, og gir budstrategier for å delta i flere markeder.

Dette prosjektet synliggjør synergien mellom akademia og industri, både nasjonalt og internasjonalt. Omfattende casestudier utført under ulike markedsstrukturer vil føre til mer robuste løsninger og større spredning av kunnskap og erfaring.

During the past half-century, numerous optimization models have been developed to optimize the utilization of the limited resources in the power system. With the booming development in machine learning (ML) technologies, deep integration between ML approaches and optimization models has become the most promising technical trend. The conventional optimization methods repeatedly solve similar problems without accumulating any experience. In contrast, ML efficiently gains experience from historical data and previous decisions. Numerical studies have shown that ML can significantly boost optimization performance.

The renewable energy optimization addressed in this project is the unit commitment (UC) problem, constituting the foundation for production scheduling. It aims to optimize the operation of generators over a finite planning horizon under operational and market conditions. The generators are mostly hydro-turbine generators. New renewable energy, such as solar or wind power, will also be considered when necessary. 

The ambitious project aims to realize an ML-based optimization model that enhances the computational efficiency of generating daily production schedules for Norwegian hydropower producers, accurately represents their physical watercourse, and supports their bidding strategies in energy and capacity markets. The successful implementation of this project will address current challenges faced by industrial partners, such as reducing the time resolution from one hour to 15 minutes, extending the model’s application from an operational tool to an investment analysis tool over a longer time horizon (weeks to months or even years), and effectively incorporating uncertainties in inflow and prices. 

This project represents a domestic and international complementarity of both academia and industry. Comprehensive case studies conducted under different market structures will lead to more robust solutions and broader dissemination of knowledge and experience.

Deep integration between machine learning approaches and renewable energy optimization

Mørk materie utgjør 80% av all materie i universet. Denne gåtefulle substansen er dessverre 
unnvikende av natur, og det er en betydelig utfordring å kunne påvise den direkte i laboratoriet. 
Årsaken er at den påvirker altfor svakt den vanlige materien som vi mennesker, jorden og alle 
kjente himmellegemer er laget av.

Målet med DarkTurns-prosjektet er å trosse det såkalte 'marerittscenarioet', som sier at alle 
slike direkte søk må til syvende og sist mislykkes, siden kun de kjente gravitasjonseffektene 
av mørk materie kan observeres. Disse effektene er bare synlige på veldig store avstand, f eks 
mellom galakser. Vi svarer på denne trusselen ved å finne andre mulige måter mørk materiepartikler 
kan vise seg i astrofysiske observasjoner. Dette vil kunne hjelpe oss til å belyse både de fysiske 
egenskapene og opprinnelsen til mørk materiepartiklene, langt utenfor allfarvei med tanke på de 
fleste pågående søk og eksperimenter.

Prosjektet fokuserer på tre hovedmål: forbedring av teoretiske modeller for å beskrive hvordan 
mørk materie ble dannet i det tidlige universet, en grundig analyse av snart forventede 
kosmologiske data og potensialet til utvidede søk etter gravitasjonsbølger. På denne måten 
sikter vi mot en systematisk testing av en rekke lovende scenarier og samtidig unngår 
begrensningene ved laboratoriebaserte søk. Den tilsynelatende marerittaktige situasjonen der 
tegn på mørk materiepartikler aldri kan påvises i jordbaserte laboratorier, blir dermed byttet 
ut med et nytt håp om å likevel kunne avsløre den mørke materiens hemmeligheter - noe som ville 
innebære betydelig fremskritt i vår forståelse av universets grunnleggende byggesteiner.

Dark Matter makes up 80% of all matter in the Universe, and is expected to consist of one or more new types of elementary particles. Interacting very weakly with regular matter, these particles have so far evaded any attempts of direct detection in Earth-based experiments. Evidence is building up that these interactions are in fact so tiny that only the gravitational effects on galactic and cosmological scales may ever be observable. Such a situation is referred to as the 'Nightmare scenario' for Dark Matter as it seemingly buries any hopes of directly confirming the particle hypothesis. The DarkTurns project will challenge this threat by noting that in many well-motivated scenarios of this type, Dark Matter particles still interact non-gravitationally - just not with regular matter. The result can be distinct imprints on upcoming astrophysical and cosmological data that would allow to establish physical properties and origin of these particles. 
The focus of the project will be on i) an improved theoretical modelling of the genesis of Dark Matter, combined with ii) utilizing particularly promising upcoming cosmological data and iii) extended searches for gravitational waves. In particular, the analysis of Lyman-alpha forest data of unprecedented quality (e.g. from DESI) and the high-frequency domain for gravitational waves that will be newly accessible with LISA will allow us to consistently test many well-founded scenarios that would evade any form of laboratory-based direct searches. This translates into the potential of turning the threat of a nightmare into a great hope, namely a ground-breaking leap forward in our understanding of the basic building blocks of Nature.

Turning the tables on dark matter nightmare scenarios

Trening med høy intensitet som rehabiliteringstiltak for pasientgrupper i spesialisthelsetjenesten.
Det har lenge vært dokumentert at fysisk aktivitet og trening fremmer den generelle folkehelsen og er både forebyggende og behandlende for en rekke sykdommer. Med flere veldokumenterte positive effekter er fysisk aktivitet og trening et naturlig valg av behandlingstiltak for en rekke
rehabiliteringsinstitusjoner i Norge. Det er likevel manglende konsensus i hvilke treningsanbefalinger og behandlingstiltak som betegnes som mest effektive. Trening med høy intensitet har tidligere vist seg å være mer effektiv med tanke på å øke det maksimale oksygenopptaket og den maksimale styrken, sammenlignet med mer moderat intensitet. Begge disse fysiologiske målene er to veletablerte mål på fysisk helse. På tross av dette består en rekke av dagens rehabiliteringstiltak av trening med lav til moderat intensitet. Hensikten med dette prosjektet er å undersøke effekten av trening med høy intensitet som rehabiliteringstiltak for pasienter med KOLS, senvirkninger etter Covid-19 og Multippel Sklerose som henvisningsdiagnose. Resultater fra prosjektet vil kunne bidra til å videreutvikle kunnskap om effekten av trening som medisinsk behandling for disse pasientgruppene. Dette vil være et nyttig bidrag for å kunne tilby et best mulig helse- og rehabiliteringstilbud for fremtidige pasienter.
Gjennomføring av fysisk aktivitet kan redusere behov for oppfølging fra helsetjenester, samt
redusere eller erstatte behov for behandling med legemidler. Resultater fra studiet kan styrke
begrepet om “trening som medisin”. Videre kan dette ha positive virkninger, både for
enkeltindividets helse, mestring- og funksjonsnivå, men også ha en nytteverdi fra et
samfunnsøkonomisk perspektiv.

Studie I: Effektiv styrke- og utholdenhetstrening for pasienter med senvirkninger etter
Covid-19. Målet med studien er å kartlegge effekten av treningen på lungefunksjon,
hjerte-/karfunskjon og muskelfunksjon. Det vil videre undersøkes hvordan denne
pasientgruppen skårer på psykososial vurderinger sammenlignet med normative data, samt
om deltakerne responderer normalt på effektiv trening med tanke på å øke det maksimale
oksygenopptaket og maksimal styrke slik det er dokumentert for flere andre pasientgrupper.
Studie II: Effekten av maksimal styrketrening på lungefunksjon for pasienter med KOLS.
Studiet har et mål om å avdekke effekten av maksimal styrketrening hos pasienter med KOLS
grad II-III på lungefunksjon, og om den forventede bedringen skyldes økt kraft i
respirasjonsmuskulatur. Effekten av treningen på muskelfunksjon og gangfunksjon, samt
skåring på psykososiale vurderinger etter behandlingsforløpet vil også bli kartlagt.
Studie III: Effekten av maksimal styrketrening på droppfot og gangfunksjon hos pasienter
med Multippel Sklerose. I dette prosjektet er hensikten at pasientene skal gjennomføre
maksimal styrketrening for aktuell muskulatur som fører til "droppfot". Det vil undersøkes
om denne type trening har direkte effekt på muskelstyrke og symptomer på "droppfot". Også
eventuelle endringer av energikostnad ved gange på en gitt hastighet og funksjonelle tester vil
kartlegges.

Trening med høy intensitet som rehabiliteringstiltak for pasientgrupper i spesialisthelsetjenesten

Klimaendringane råkar nordområda hardt. Basert på FN sine klimarapportar går oppvarminga dobbelt så raskt i Arktis samanlikna med det globale gjennomsnittet. Dette gjer nordområda ekstremt sårbare, noko som kjem til syne i dei to norske raudlistene. Desse viser at mange artar og naturtypar i arktiske og alpine miljø er trua på grunn av nettopp klimaendringar. I tillegg er dei utsette for auka press frå utbygging og anna arealbruk. For å forstå korleis naturtypane og artane responderer på dei raske endringane, er det nødvendig med grundig forståing av prosessane som skaper naturvariasjonen. Hovudmålet med dette doktorgradsprosjektet er å auke kunnskapen om vegetasjonsmønster i arktisk-alpine område, med særleg fokus på naturtypar og økologiske samanhengar som er mangelfullt undersøkte. Vegetasjonsanalyser vil bli utførte både på Svalbard og i høgfjellsområdet på fastlands-Noreg. Gjennom desse analysene vil vi få djupare innsikt i prosessane som oppstår i eit røft og kaldt miljø, og få auka forståing for korleis vegetasjonen takler dei hurtige miljøendringane. 

Prosjektet er sterkt knytt til Natur i Norge (NiN), som er eigd av Artsdatabanken og ligg til grunn for all kartlegging og raudlisting av naturtypar i Noreg. Resultata frå prosjektet vil bidra til vidareutvikling av NiN-systemet, i tillegg til å påverke korleis systemet brukast til praktisk kartlegging. I prosjektet vil vi også teste om fjernmålingsteknikkar kan effektivisere NiN-kartlegging i fjellet, og i kor stor grad modellene kan gi naturtypekart av høg nok kvalitet. Tradisjonell, feltbasert kartlegging er svært ressurskrevjande, og kan resultere i stor variasjon mellom kartleggarar. Med riktig bruk kan derfor fjernmåling av naturtypar leggje ei god ramme for eller vere eit godt supplement til feltbasert kartlegging.

Doktorgradsprosjektet omhandlar naturvariasjon i høgfjellet, og skal gi ny kunnskap om naturtypar og vegetasjonsøkologiske samanhengar i arktisk-alpine miljø. Prosjektet er sterkt forankra i 'Natur i Norge' (NiN), eit type- og beskrivelsessystem for all norsk natur. NiN-systemet er i dag grunnlaget for offentleg finansiert naturkartlegging, og fungerer som eit viktig verktøy og felles begrepsapparat for norsk natur. Kunnskapsgrunnlaget for dei ulike naturtypane i NiN-systemet varierer, og det er behov for ny forsking på naturtypar i høgfjellet og Arktis, ettersom mykje av kunnskapsgrunnlaget er bygd på eldre litteratur og undersøkingar. 
 
Norsk raudliste for artar (2021) viser at arktisk-alpine miljø er leveområde for mange trua artar. I tillegg er fleire naturtypar i fjellet vurderte som nært trua eller sårbare, basert på Norsk raudliste for naturtypar (2018). Dei pågåande klimaendringane er det største trugsmålet, og dei største og raskaste endringane skjer i nettopp nordlege strok, særleg i Arktis. For å forstå korleis artar og økosystem responderer på klimaendringane er det ein føresetnad med inngåande forståing av prosessane. Prosjektet vil innehalde grundige vegetasjonsøkologiske analyser, med mål om auka forståing for prosessane som skaper mønster i artssamansetning og vegetasjonsstruktur. Prosjektet vil ta i bruk moderne metodar for registrering av artar og miljøvariablar, der datamaterialet vil danne grunnlag for statistiske analyser. Prosjektet skal gi kunnskap som skal brukast til å klassifisere og skildre naturvariasjonen i NiN-systemet, i tillegg til å teste ut fjernmålingsteknikkar for effektiv heildekkande kartlegging i fjellområde. Dette kan vere viktig ettersom høgfjellsområda er under stadig større utbyggingspress, og behovet for eit oppdatert kunnskapsgrunnlag er stort. 

Prosjektet skal føre fram til ein artikkelserie i internasjonale og norske fagtidsskrift, i tillegg til at resultata frå prosjektet skal formidlast til ei breiare målgruppe.

Arktisk-alpine naturtypar: vegetasjonmønster i høgfjellet

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på år

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på fylker

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på fagområde

VP Business Development

Crack propagation is computationally demanding, and quantum computing may be a disruptive technology leading to better and faster solutions for this problem. This topic is relevant for applications in fields of modeling and simulating natural fragmentation of ammunition, characterizing and modeling brittle materials such as ceramics and concrete, as well as protecting military vehicles. Crack propagation under extreme loads and strain rates is a very random process directed by imperfections in materials and currently modeled by applying stress and strain fields and node splitting methods for determining the directions of cracks.

PES-HORISONT-EU-PES Horisont Europa

Evaluating quantum computing for finite element simulations applied to natural fragmentation modeling and improved vehicle protection

Awarded: NOK 0.50 mill.

Summary

Funding scheme:

PES-HORISONT-EU-PES Horisont Europa

Funding Sources

Thematic Areas and Topics