2023

2022

2021

Portefølje Naturvitenskap og teknologi ikon

Forskningssystemet

Portefølje Humaniora og samfunnsvitenskap ikon

Banebrytende forskning

Portefølje Samisk ikon

Samisk samfunn og kultur

Portefølje Demokrati, styring og fornyelse ikon

Demokrati og global utvikling

Portefølje Velferd, kultur og samfunn ikon

Velferd og utdanning

Portefølje Helse ikon

Helse

Portefølje Klima- og polarforskning ikon

Klima og miljø

Portefølje Landbasert mat, miljø og bioressurser ikon

Mat og bioressurser

Portefølje Energi, transport og lavutslipp ikon

Energi og transport

Portefølje Muliggjørende teknologier ikon

Muliggjørende teknologier

Portefølje Industri og tjenestenæringer ikon

Innovasjon

LTP2 Klima, miljø og miljøvennlig energi ikon

Klima, miljø og energi

LTP2 Samfunnssikkerhet og samhørighet ikon

Samfunnstryggleik og beredskap

LTP2 Fornyelse i offentlig sektor ikon

Velferdstjenester

Forsidebilde

Marin ikon

Petroleum og mineraler

LTP Hav ikon

Hav og kyst

LTP2 Muliggjørende og industrielle teknologier ikon

Mogleggjerande industrielle teknologiar

Tillit og fellesskap

LTP2 Utvikle fagmiljøer av fremragende kvalitet

Høg kvalitet og tilgjengeleg

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

Sterkare konkurransekraft og innovasjonsevne

LTP3 Helse

Et innovativt næringsliv ikon

Styrket konkurransekraft og innovasjonsevne

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Statistikk

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.

...eller se sammendrag og annen informasjon om prosjektene i utvalget ditt

Alle porteføljestyrer

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

Hvordan tildelingene fordeler seg på institusjoner, fylker, fagområder o.l....

Her er noen eksempler på søk du kan gjøre i Prosjektbanken

Alle langtidsplanmål

Veiledning: Hvordan bruke Prosjektbanken.no

Om Fritekstsøk

Ingen populærvitenskapelig framstilling tilgjengelig


Prosjektet med prosjektnummer {{project number}} ble ikke funnet

Teknisk beskrivelse

Oisann, her gikk noe galt. Kan du prøve å laste siden på nytt?  Dersom feilen vedvarer, vennligst kontakt oss.         

Se statistikk relatert til dette langtidsplanmålet

Se prosjekter relatert til dette langtidsplanmålet

knyttet til dette LTP-målet har blitt tildelt penger

har blitt tildelt til prosjekter knyttet til dette LTP-målet

har blitt tildelt til prosjekter knyttet til denne porteføljen

knyttet til denne porteføljen har blitt tildelt penger

Om Prosjektbanken

Nærings- og fiskerid

Kunnskapsdepartement

Diverse

Teknologi

Agder

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Hav og kyst

LTP3 Marine bioressurser og havforvaltning

LTP3 Muliggjørende og industrielle teknologier

LTP3 IKT og digital transformasjon

UoH-sektor

Instituttsektor

Næringsliv

Helseforetak

Offentlig sektor

Øvrige

Ukjent Sektor

Utlandet

ukjent

Portefølje Innovasjon

Portefølje Mat og bioressurser

Portefølje Muliggjørende teknologier

Programmer

Innovasjonsprosjekt

Bransjer og næringer

IKT forskningsområde

Politikk- og forvaltningsområder

Digitalisering og bruk av IKT

FNs Bærekraftsmål

Marin

Reiseliv

Anvendt forskning

Nordområdene

Tjenesterettet FoU

Utviklingsarbeid

Limb wounds in horses are common, however healing is exceedingly slow and fraught with complications. Contrary to body wounds, limb wounds demonstrate only a small amount of wound contraction. The specialist procedure of applying split-thickness skin grafts to limb wounds stimulates wound contraction by unknown mechanisms. The objective of this project is to identify those mechanisms to develop a treatment strategy for equine limb wounds for use in general  practice. Limb wounds are severely impacting animal welfare due to an extended healing/treatment duration, and the risk of euthanasia due to a poor functional outcome. By stimulating wound contraction, healing time will be reduced, and the functional outcome improved, directly benefitting the welfare of wounded horse and reducing treatment cost for the owner. Aim: To identify dermal components stimulating wound contraction, and to develop this knowledge into future state-of-the-art treatment of equine limb wounds for use in general practice. Hypotheses: i) Application of dermal fractions to collagen gels seeded with equine fibroblasts will increase gel contraction in vitro; ii) Application of dermal fractions to experimental limb wounds in vivo, will increase wound contraction resulting in a faster healing time versus wounds treated by conventional methods. Methods: i) The contractile effect of different dermal components will be assessed in a collagen gel/ fibroblast model; ii) Identified dermal components will be tested in a standardized experimental limb wound model in vivo (n=5). Ultimately, results from this project are expected to improve wound treatment in horses, directly impacting animal welfare by reducing healing time and improving the functional outcome of wounded horses. This will also directly benefit horse owners and caretakers and making veterinarians able to offer better treatment solutions.

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Prosjektet «Wheelchair Activity Monitoring» (WHAM) sikter både på å øke fysisk aktivitet blant rullestolbrukere, og på å bidra til bredere mål om mangfold og inkludering av personer med nedsatt mobilitet, ved å fremme større tilgjengelighet og deltakelse gjennom innovativ teknologi og forskning.

Rullestolbrukere er tre til fem ganger mindre aktive enn den generelle befolkningen, noe som øker risikoen for å utvikle forebyggbare sykdommer. Selv om det finnes retningslinjer for fysisk aktivitet som er tilpasset rullestolbrukere, trenger vi fortsatt effektive måter å implementere disse på samt nøyaktig teknologi for å spore mulige endringer i fysisk aktivitet. WHAM har som mål å bidra til økt fysisk aktivitet blant rullestolbrukere ved å lage digitale verktøy for å monitorere og gi tilbakemelding på rullestolbrukerens aktivitet. WHAM består av tre faser: to år ved University of British Columbia (UBC), som inkluderer et samarbeid med eksperter innen atferdsendrings-intervensjoner for rullestolbrukere; ett år ved Norges teknisk-naturvitenskapelige universitet (NTNU) og et halvt år ved Maastricht Instruments - de to siste fasene er viet til å utvikle de digitale teknologiene. 

WHAMs mål er:
1)	Å teste effekten av et treningsprogram på fysisk aktivitetsnivå og fitness blant rullestolbrukere,
2)	Å utvikle nøyaktige algoritmer for monitorering av fysisk aktivitet blant rullestolbrukere,
3)	Å lage et system som både monitorerer og gir tilbakemelding på fysisk aktivitet blant rullestolbrukere.

Wheelchair users (WCU) are three to five times more inactive than the general population, leading to a high risk of developing preventable secondary conditions. Although physical activity (PA) guidelines have been specifically developed for WCU, we lack systematic approaches to implement them in practice, as well as valid algorithms to monitor PA change in WCU through sensor-based solutions. Accordingly, the overall scientific aim of the WHeelchair Activity Monitoring project (WHAM) is to advance PA research and practice in WCU by developing valid digital markers for monitoring of and providing feedback on PA, paving the way for implementation and intervention. I will accomplish this through combining the complementary research fields of 1) behavioral intervention studies focusing on increasing PA in WCU (core competence University of British Columbia, UBC; outgoing phase) and 2) sensor-based PA monitoring (core competence Norwegian University of Science and Technology, NTNU; returning phase – consolidated by non-academic placement at Maastricht Instruments, which develop research prototypes including PA monitors). WHAM’s scientific aim is achieved through three objectives: 1) Measure the effect of a pragmatic exercise intervention trial on self-reported physical activity levels and cardio-respiratory fitness, 2) Develop valid algorithms for tracking PA markers in WCU, and 3) Co-create
a framework that outlines how PA can be conjointly monitored and provided feedback on in WCU. This fellowship will enable me to become established as an internationally recognized researcher in the field of “physical activity and disability”, while bringing together ongoing national disjointed research activities in this field. Altogether, my overall ambition is to contribute to reducing inequalities in daily-life participation among WCU compared to the rest of the population.

Topfinancing - WHeelchair Activity Monitoring project (WHAM)

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

The goal of the Bilingual Experiences, Cognitive Ageing and underlying Mechanisms (BECAME) project is to examine the functional neuroplastic mechanisms underlying mitigatory effects of bilingual experience on age-related cognitive decline. While evidence is available for structural brain changes supporting bilingualism-induced effects on cognitive aging (CA), functional mechanisms underlying such effects are not yet well understood. BECAME aims to fill this gap by investigating the trajectory of bilingualism-induced functional neuroplasticity across the adult lifespan (ages 18-85), crucially adopting an individual differences approach related to measurable degree of bilingual engagement. Importantly, although such benefits are thought to be rooted early in the lifespan, evidence for the timeframe and conditions of their early emergence is scarce. The choice of including the whole adult lifespan allows us to investigate these mechanisms and their emergence more directly from a lifespan perspective. I combine behavioral testing with brain recordings via electroencephalography (EEG). EEG is widely used in cognitive neuroscience to assess brain activity and the degree of communication between brain regions (functional connectivity) in response to stimuli and at rest. Combining behavioral and EEG modalities will allow me to test bilingualism’s effect on functional connectivity, as well as its consequences for functional efficiency, the minimum required neural activation to successfully perform a task. This will enable a detailed, evidence-based account of the protective effects observed in older-aged bilinguals, and how they are built from earlier life stages. By illuminating the relationship between multilingualism and resulting neurocognitive adaptations, BECAME will enable to capitalize on it as a health initiative, with manifold societal implications and the potential to be translated into actionable policies exploiting multilingualism to ameliorate effects of CA.

Bilingual Experiences, Cognitive Ageing and underlying Mechanisms

From the SEA to the SOLution. An integrative assessment of marine pollution in a changing Arctic

Marine chemical pollution poses known threats to human health and to biodiversity, ecosystem and societal services. The Arctic is a major sink of global mercury (Hg) pollution. Arctic sediments, sea and glacial ice constitute vast Hg reservoirs. Recent studies raise concerns about their increasing role as local Hg sources. In a rapidly warming Arctic, the consequences of potentially increased environmental Hg on marine biota remain unknown. The objective of SEASOL is to identify the pathway(s) of Hg bioaccumulation in marine food webs of the High Arctic Kongsfjorden (Svalbard). This changing glacial fjord is recognised as a ‘natural laboratory’ of climate change in the Arctic. The fellow’s earlier research has shown the sole measurement of Hg levels as insufficient to connect biotic Hg dynamics to environmental change, whereas the analysis of Hg stable isotopes proved to be a promising tool for source discrimination and biotic transfer. SEASOL will build on the novel application of stable isotope analysis to identify the sources of Hg within the fjord system and the pathways to Hg accumulation within sentinel marine species. On the short-term, the study will provide fundamental knowledge to help understand how emerging sources of Hg from rapid environmental change will impact Arctic marine predators. On the long-term, SEASOL will contribute to the development of early-warning, adaptive management strategies, including modelling, for mitigating the cumulative impact of pollutants and climate change on Arctic marine species. This multidisciplinary approach and the central position of the host institution (Norwegian Polar Institute) in the field of Polar Research will equip the Fellow with a broad set of new skills and lay the foundation for building her specific niche as a future leader in marine pollution science.

Reality-Connected Machine Simulation of Heavy Machinery

The RealSim project proposal aims to connect machine simulation to reality in the framework of heavy machinery, which is an interdisciplinary application. The results of this project are expected to optimize machine performance, accurately and reliably predict machine failure, and reduce overall development and operation costs, thus, serving the Europe’s priority of green transformation and the United Nation’s sustainable development goal 9. The RealSim project will close the gaps of: (1) Onboard estimations of force and pressure components of heavy machinery; (2) Estimating deformability, cylinder friction, leakage, and valve dynamics of heavy machinery using independent nonlinear Kalman filters; (3) Employing dependent nonlinear Kalman filters in state estimators of heavy machinery; (4) Tuning algorithms for the covariance matrix of plant noise in the state estimation of heavy machinery. 

I will consolidate and leverage my research career and position as a leading researcher in the field through integration in Assoc. Prof. Mohammad Poursina’s group at the Department of Engineering Sciences of the University of Agder (UiA), Norway. Here, I will acquire hands-on experience of working with actual mechatronic systems and develop efficient control algorithms. I will improve my knowledge of fluid power designing, control theory, instrumentation, and develop efficient coding skills. I will also develop entrepreneurial skills. The skills, knowledge, and international network that I will develop during this fellowship will put me in an excellent position to achieve my long-term goal of becoming a professor with my own independent research group at an esteemed university in EU. This fellowship will help me to prepare a strong ERC Starting Grant application in the future. It will also cater my additional goal of setting-up a research-related start-up in the future.

Information theory is a discipline at the intersection of statistics, engineering and computer science. As the study of information quantities, such as compression or communication capacities, information content or measures of statistical dependency, it is one of the theoretical underpinnings of data science.

Computational problems in information theory are highly non-linear. The goal of this project is to transfer state-of-the-art methods of computational non-linear algebra to information theory, to study the inherent algebraic complexity of information-theoretical problems and to provide tools for solving them in practice. The algebraic point of view has proven to be fruitful in seemingly unrelated areas, as witnessed by a surge of recent work in algebraic statistics, in particular on likelihood geometry. However, maximizing the likelihood function is the same as minimizing relative entropy — a specific information quantity. Hence, this project also aims at generalizing the techniques developed in likelihood geometry.

One focus is on the practical computation of information quantities using numerical and differential algebraic geometry. Such quantities are defined via non-linear optimization problems and we aim to pinpoint the algebraic complexity of these problems in instances of general interest, such as common information measures. The final objective is finding fundamental laws and limits of data science imposed by non-linear inequalities constraining the entropic region. These inequalities provide, by duality, universal bounds for many of the optimization problems studied in information theory.

Algebraic Theory of Information Quantities

Enabling the next generation in search of blood cancer cures

The CarrerasPathfinder program is new a world-wide unique doctoral program that covers the entire spectrum of research and innovation in blood cancers from understanding disease biology to the implementation of novel processes in the clinical practice. The program will fund 14 excellent Doctoral Candidates (DCs) for a period of 48 months. DCs will perform collaborative PhD projects involving associated partners from different sectors, countries, and disciplines through secondments. DCs will improve their research capacity and transferable skills through high-quality supervision arrangements and a tailored training program.

The program has been designed and will be hosted by the Josep Carreras Leukaemia Research Institute (IJC) which is the first European non-profit institute exclusively devoted to blood cancers. By answering the European needs for human resources, it is fully aligned with the 13 recommendations of the EU Cancer Board’s Draft Mission  and the Europe’s Beating Cancer Plan (2021). The CarrerasPathfinder program has a strong triple-I dimension of internationality, inter-sectorality and interdisciplinarity in training, networking, co-supervision and research. Its specific objectives are:
•	To develop an excellent doctoral program in blood cancer research conceived as a pilot for a permanent international doctoral program
•	To equip DCs with a unique skill set boosting effectiveness and innovation capacity. 
•	To promote DCs’ career development and increase their employability in different sectors.
•	To establish the IJC as a European reference for research and training in blood cancers.
•	To provide Europe with a new generation of researchers able to address unmet needs and societal challenges of blood cancers.
•	To contribute to structuring the European research area by collaborating and synergizing with other European key opinion leaders.



Tenk på universet som en enorm ballong som alltid utvider seg. Jo lenger unna et punkt er på ballongen, jo raskere beveger det seg bort fra deg. Dette ligner på hvordan universet utvider seg, jo lenger unna en galakse er, jo raskere beveger den seg bort fra oss på jorden.

I mange år trodde forskerne at universets ekspansjon ble bremset. Begrunnelsen deres var at gravitasjonskraften fra all materie i universet virket mot denne utvidelsen. Imidlertid gjorde kosmologer i 1998 en overraskende oppdagelse gjennom studiet av fjerne supernovaer: utvidelsen av universet akselererer faktisk!

Dette betyr at avstanden mellom galaksene blir større og større i stadig økende hastighet. Det er som om ballongen blåses opp raskere og raskere.

Forskere vet ikke nøyaktig hva som får universet til å akselerere. De kaller den ukjente kraften som får dette til å skje "mørk energi". Mørk energi er overalt i universet, men den mørke energien vekselvirker ikke med materie i de formene som vi kan observere direkte.

NEVO-prosjektet er et nytt forsøk på å forstå egenskapene til mørk energi. NEVO vil bruke kraftige datamaskiner for å simulere universet og studere effekten av kandidater til den mørke energien på en måte som aldri har vært gjort før. Ved å studere disse simuleringene og utnytte høypresisjons-observasjonene fra Euclid-teleskopet som nylig er skutt opp i rommet, vil kosmologene være i stand til å bedre betydelig vår forståelse av den mørke energiens gåtefulle natur.

The Universe has entered an accelerating expansion phase in the last few billion years of its evolution, a phenomenon that is caused by the mysterious entity known as dark energy. Through the NEVO proposal, I aim to provide key insights about the properties of dark energy, which includes its time evolution and spatial distribution in the Universe. This objective will be achieved by utilizing cutting-edge cosmological N-body simulations and novel techniques to study cosmic EVOlution accurately.

A comprehensive understanding of the nature of dark energy requires a thorough investigation of viable candidates and their impact on different stages of the Universe. However, the consistent and accurate modeling of dark energy candidates has been largely neglected so far. To address this gap, I propose the development of a novel, integrated framework that utilizes state-of-the-art relativistic N-body simulations along with the hi_class code, to accurately model dark energy candidates in both linear and non-linear scales.

NEVO: illuminating the dark cosmos

Global natur- og miljøforvaltning er en av vår tids mest sentralt og vanskellige mål. Mange av utfordringene skyldes motsetningene mellom vår fragmenterte politiske verden og økosystemer som ikke forholder seg til landegrenser eller politiske skillelinjer.
Ulike biologiske samfunn (biomer) som ligger i én stat, kan ikke løsrives fra et større økosystem. Derfor er flere «lokale» naturområder blitt del av den globale miljøforvaltningen.
Prosjektet RESOLVING skal se på politiske løsninger for en naturforvaltning som både er:
(i) lokal: som del av en stats territorium og hjem til ulike befolkningsgrupper
(ii) global: som kritiske deler av planetens økosystem
Hva betyr denne forvaltningen på flere nivåer for staters suverenitet?
Vi vet allerede mye om utfordringene nasjonalt oppdelt myndighet utgjør for effektiv forvaltning av jordens økosystemer. Vi vet derimot langt mindre om hvordan forsøkene på å styre jordens komplekse og grenseløse økosystemer faktisk kan endre selve systemet som forsinker den globale forvaltningen: statlig suverenitet.
RESOLVING vil prøve å forstå denne dynamikken ved å undersøke gruppene som faktisk utøver internasjonal naturforvaltning på vegne av eller parallelt med statene. Prosjektet vil her se nærmere på styringen av to områder som er viktige for hele verden: Amazonas-regnskogen og Guineabukta.
RESOLVING undersøker hvordan tiltak for å ta vare på disse områdene – laget på både internasjonalt, nasjonalt og lokalt nivå – fungerer sammen. Hvilke aktører får mer makt? Hvem blir inkludert i beslutningsprosessene og hvem blir utelatt?

The RESOLVING project asks: How does global governance of nature transform the exercise of sovereign power? Scientific evidence of the environment as a complex system of planetary dimensions has elevated several natural resources as objects of global governance. Primary forests and maritime biomes particularly capture global attention because of their systemic relevance for our planetary ecosystem. Still, international politics operates within a framework locating authority over nature indivisibly into territorially discrete and independent states. This project investigates the implications for sovereignty stemming from the construction of nature as a global governance object. We build on existing conceptualizations of sovereignty as a combination of de jure sovereign authority and bundles of de facto sovereign competence. In the case of nature, while permanent sovereignty over natural resources is an immutable property of state authority, a wider range of actors can be involved in defining the ways in which these resources are governed or even in governing them. RESOLVING will focus on two parcels of local nature especially entangled in global governance: the Amazon rainforest and the Gulf of Guinea. The project will investigate how networks of actors work across levels of governance to produce sovereign competence and exert sovereign power over nature in these regions. Sovereign power is the capacity to achieve de facto sovereign competence, here identified as the capacity to define and implement the rules of human–nature interaction. We look at multilevel governance from three angles: the global, the state, and the local. The comparative analysis of those networks across levels, regions, and regimes complexes will allow for identifying the mechanisms driving the rebundling of sovereign power with or away from the state, and a better understanding of the consequences of that process.

Rebundling sovereignty over local nature in global governance

Midlene fra MILJØFORSK-Miljøforskning for en grønn samfunnsomstilling fordelt på år

Midlene fra MILJØFORSK-Miljøforskning for en grønn samfunnsomstilling fordelt på fylker

Midlene fra MILJØFORSK-Miljøforskning for en grønn samfunnsomstilling fordelt på fagområde

Head of the Arne Næss Programme

The 2021 Arne Næss Symposium is an annual UiO's event that has been postponed form 2020 to 2021 due to the Covid crisis. In 2020, the Arne Næss Professor(2020/21) - Lord Anthony Giddens - held a preamble webinar "What's Next: Covid 19 and the Future World Order" (https://www.sum.uio.no/english/research/networks/arne-naess-programme/arne-naess-symposia/events/anthony-giddens-covid-19-and-the-future-world.of-order.html)
The theme of the 2021 Arne Næss Symposium - proposed by Prof. Giddens -  is  "Nature and Humans in the Age of Anthropocene". Prof. Giddens is one of the leading world sociologists with a spectacular list of publications on the challenges of globalization, post-industrial modernity, and the climate crisis. His latest interests lie in the multiple hazards and opportunities related to the emergent AI civilization. The questions asked by the Symposium include, among others, 1)How will the encroachment of AI change inter-human relations and our conceptions of the environment? 2) How will the AI influence the work life, inequality and the protection of individual and nature's rights?  3) Do we need new ethical foundations for the 'Age of A'?; 4) What is the potential of the AI to solve the climate crisis and achieve a sustainable future? According to James Lovelock, the author of the influential 'Gaia theory' - and the first Arne Næss Professor at UiO -  the AI will play a positive role in accelerating solutions to the environmental crisis (see Lovelock, The Age of Novacene 2019). Prof. Giddens will problematize some of these questions in his Arne Næss lecture, in public debates and in a master-course offered as a follow-up of the Symposium.

"Nature and Humanity in the Age of Artificial Intelligence",
Arne Næss Symposiet med Lord Anthony Giddens, nordiske forskere og studenter.

Målet vårt er å generere dynamiske fiskeplasser for å øke sannsynligheten for at brukere lykkes med å fange fisk. Dette baserer seg på hypotesen om at mislykkede fiskeopplevelser på angitte steder påvirkes av ugunstige forhold, inkludert temperatur, saltholdighet, strømmer, tilgjengelighet av mat, predator-unngåelsesstrategier osv. Denne digitale tjenesten viser illustrative tilfeller skapt gjennom deduktiv resonnering ved bruk av en form for kunnskap referert til som taus kunnskap eller know-how. Denne taus kunnskapen, tilegnet gjennom induktiv resonnering basert på begrensede personlige feltopplevelser, generaliseres deretter gjennom slutninger for å forutsi sannsynligheter på steder som ikke tidligere er utforsket. Som et resultat inneholder den digitale tjenesten subjektivitet, skjevhet og begrensninger på grunn av begrenset omfang av personlige erfaringer og manglende dynamikk.
Derfor hadde prosjektet som mål å utnytte maskinlæring (ML) for å modellere taus kunnskap ved hjelp av positive eksempler og utnytte ML-modellens generaliseringskapasitet for global skalerbarhet og hastighet. De primære forskningsutfordringene omfatter fire aspekter: 1) Datasettet mangler ikke-positive eksempler og består bare av positive tilfeller. 2) Manuell generering av positive eksempler introduserer forurensning gjennom subjektivitet, feil og inkonsekvens. Korrektheten deres er ikke validert. 3) Betydelige datahull eksisterer, spesielt i nærheten av strandlinjen, som er et område av spesiell interesse. 4) Et innledende gjetning eller forhåndssannsynlighet for at et sted er positivt (som en fiskeplass) kan være 1-5% eller mye mindre. Dette er i konflikt med antagelsen til klassifikatorene om at de fleste tilfeller er positive.
Vi leverte geospatiale pakker som omfatter polygoner generert gjennom AI-pipelinen. Disse polygonene representerer både statiske og dynamiske modi. Dette gjelder ikke bare for én art, men for 23 marine fiskearter, over marine områder, inkludert Norge, Danmark, Sverige, Finland, Tyskland og Nederland.
Disse resultatene er basert på innovasjoner innen AI-pipeliner. Vi etablerte AI-pipeliner som kan generere fiskeplasser globalt innen et par dager. Å utføre denne oppgaven manuelt, som tidligere, ville kreve flere års kostbar arbeidskraft. Vi utviklet en AI-pipeline som består av algoritmer for dataforbehandling (sammenslåing, harmonisering og interpolering), generering av funksjoner ved bruk av første- og andreordens partielle derivater, utvinning av romlige mønstre gjennom flerskala konvolveringsoperasjoner ved hjelp av nyskapende konvolusjonskjerneformer som annulus og kile ved ulike romlige skalaer. I tillegg introduserte vi ideen om å tilordne outlier-fraksjonen med subjektivitet, feil og inkonsekvens som oppstår fra den menneskelige annoteringsprosessen for å formulere problemet med positiv-only learning som et én-klasse klassifiseringsproblem.
Ensemble-baserte isolasjonsskoger og histogram-baserte klassifikatorer overgikk andre algoritmer. Vi oppnådde nøyaktighet målt ved ROC-AUC rangeres fra 52% til 79%. Fra de eksperimentelle resultatene på de tre skalaene fant vi at generaliseringskapasitetene lider av grunnleggende utfordringer med generalisering i topografiske data og tilpasningen eller global inkonsekvens av annoteringer.
Disse AI-pipelinene ble utviklet gjennom læring fra mange mislykkede undersøkelser, som imidlertid ga oss en dypere forståelse av egenskapene ved læringsproblemet. Vår tilnærming involverte kategorisering av problemet i grunnleggende læringsparadigmer. Å behandle romlig diskrete piksler som uavhengige prøver tillot oss å bruke tradisjonelle ML-algoritmer for binær klassifisering i tabulære data (1D). Alternativt tillot betraktningen av den romlige avhengigheten til nærliggende piksler bruk av konvolusjonelle nevrale nettverk for end-to-end-funksjonsutvinning og læring for enten semantisk segmentering eller flerobjektsdeteksjon. For å håndtere uregelmessigheten i havgrensene og forhindre utvidelse av manglende data, benyttet vi grafnettverk i stedet for konvolusjonelle nevrale nettverk (CNN), løse utvidelsesproblemet samtidig som vi fortsatt utnyttet romlige korrelasjoner. Stabling av romlige rutenett i tidsdomenet tillot oss å nærme oss problemet som en 3D- eller 4D-læringsoppgave både i rom og tid. Det vi lærte fra disse eksperimentene er at å behandle ikke-annoterte prøver som negative eksempler uten videre førte til 1) vanskeligheter med å konvergere i optimalisering eller 2) tilfeldige forutsigelser.
Vi foreslår å fortsette å utvikle nye algoritmer for å 1) utvikle nyskapende én-klasse algoritmer for å avslappe antagelsen om at flertallet er positivt, det vil si å adressere konflikten mellom trenings- og testdata: mest positivt i treningsdataene i motsetning til mest negativt i testdataene. 2) løse generaliseringsproblemet til ML-modeller i topografiske data. 3) skape algoritmer for å generere representativ negative eksempler som gjør det mulig å bygge kraftigere modell.

Recreational fishing (RF) involves at least 226 million participants worldwide, it generates an annual economic value of 5.9 billion euros in EU and 29 billion euros in the US. Until recent years, studies show that RF has nearly invisibly contributed to approximately 12% of global fishing removal; and it has caused 27% to declining in stock of two endangered species. We have identified 5 main barriers in achieving sustainability in RF:
- No or limited real-world georeferenced and time-tagged catch data. 
- No or limited tools for monitoring and control RF activities.
- No or limited communication channels.
- Limited knowledge about where to fish.
- Post-reactive, not predictive or proactive.
The FiskHer App could be an good tool in tackling the 5 barriers towards sustainable RF.
We develop a new digital service – FiskHer.ai – leveraging state-of-the-art data science and machine learning technologies for promoting and facilitating of sustainable marine recreational fishing. The idea is to discover scalable machine learned models that accurately predict most probable RF spots with high spatial and temporal resolution in Norway and worldwide. We achieve this via synergized transformation of the domain expertise earned in field owned by FiskHer AS to machine learned models, which are incrementally learned continuously lifelong with user contributed new data. The expected results of the project are a new integrated large dataset with validated labels, new underwater 360 degree video and hyperspectral imaging data for a few fishing spots, software for data integration and automated machine learning, scalable machine learned models for accurate and spatio-temporal resolved predictions. This innovation is most important to us because:
1. it allows us to go from static to dynamic areas.
2. It gives us a wonderful tool that will save us years of manual registration.
It will thus be cost-effective and innovative for us, and enable us to deliver many years ahead of schedule.

0 antall prosjekter

BIA-Brukerstyrt innovasjonsarena

AI4FISH - AI for sustainability in marine recreational fishing participation: Scalable spatio-temporally resolved ML models

Tildelt: kr 4,7 mill.

Prosjektperiode: 2021-2023

Sted: Agder