2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

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

Kunnskapsdepartement

Nærings- og fiskerid

Samferdselsdeparteme

Klima- og miljødepar

Justis- og beredskap

Diverse

Kommunal-og distrikt

Energidepartementet

Forsvarsdepartemente

Landbruks- og matdep

Digitaliserings- og 

Teknologi

Matematikk og naturvitenskap

Trøndelag - Trööndelage

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Uttesting og kommersialisering av FoU

LTP3 Høy kvalitet og tilgjengelighet

LTP3 Fagmiljøer og talenter

LTP3 Rettede internasjonaliseringstiltak

LTP3 Klima, miljø og energi

LTP3 Miljøvennlig energi og lavutslippsløsninger

LTP3 Bærekraftige byregioner og transportsystemer

LTP3 Muliggjørende og industrielle teknologier

LTP3 IKT og digital transformasjon

Næringsliv

UoH-sektor

Portefølje Innovasjon

Portefølje Muliggjørende teknologier

Portefølje Forskningssystemet

Portefølje Energi og transport

Portefølje Banebrytende forskning

Programmer

Frittstående prosjekter

Nettverkstiltak

Innovasjonsprosjekt

Koordinerings- og støtteaktivitet

Kompetanse- og samarbeidsprosjekt

Forprosjekt (t.o.m. 2019)

Bransjer og næringer

Politikk- og forvaltningsområder

Digitalisering og bruk av IKT

IKT forskningsområde

Internasjonalisering

FNs Bærekraftsmål

Anvendt forskning

Klimarelevant forskning

Grunnforskning

Miljøvennlig energi

Transport og mobilitet

Tjenesterettet FoU

Utviklingsarbeid

Verifisering, pilotering, demonstrasjon (ny fra 2014)

Potetskrell, et biprodukt fra industriproduksjon av potet (pommes frites, flak, chips mm.) er en råstoff ressurs som kan bli bedre utnyttet til nye formål. Skrellet er nemlig en rik kilde på antioksidanter, stoffer som planter naturlig har i seg for å beskytte mot skadelige UV-stråler og reaktive forbindelser som oksygen radikaler. Antioksidanter behøver vi også å tilsette i matvarer for å beskytte og ta vare på umettet fett så det ikke blir harskt og vondt i kontakt med luft. I dag brukes flere ulike syntetiske stoffer i matvarer for å hindre oksidasjon av fett og oljer. Men det er reist bekymring rundt sikkerheten for bruken av dem. Matvareindustrien, myndigheter og forbruker ønsker derfor å fjerne flere syntetiske antioksidanter og erstatte dem med naturlig alternativer. Det er imidlertid svært få slike produkter som er godkjent og tilgjengelig på markedet. Prosjektet Peel Preserve, som har et klart bærekraft mål, skal vise om et uttrekk av antioksidanter laget på industrielt potetskrell råstoff kan fungere som konserveringsmiddel og erstatte noen av de stoffene som brukes i dag. Tre næringsmiddelbedrifter skal teste potetskrell-ekstraktet i noen av sine produkter og utføre både interne og eksterne analyser på effekten. Men en viktig forutsetning for at potetantioksidant kan tas i bruk som nytt tilsetningsstoff i mat er at det blir godkjent av den Europeiske matsikkerhets myndigheten (EFSA) og gitt et E-nummer. Prosjektet skal igangsette denne lengre flertrinns godkjennings prosessen. Parallelt skal det utvikles en forretningsmodell og nødvendig beskyttelse rundt teknologien. Dersom industrien etter testingen av potetantioksidanten, vurderer denne som er god erstatning til konkurransedyktig pris, og en EFSA-godkjenning kan oppnås på sikt, åpner det for å kommersialisere et naturlig plante-basert produkt til beste for forbruker og for miljøet. Bak prosjektet Peel Preserve står Høgskolen i Innlandet i samarbeid med Nofima og Klosser Innovasjon.

Preserving foods with potato peels: Industry-relevant validation and first regulatory assessment of a new natural antioxidant

Hvordan former etterretning russisk innenrikspolitikk og utenriks- og sikkerhetspolitikk? Dagens Russland karakteriseres ofte som en «KGB-stat». Nåværende og tidligere etterretningsoffiserer, inkludert president Putin, dominerer i økende grad politikk og økonomi, og bringer med seg kultur, verdensbilde, nettverk og metoder som er typiske for russisk etterretning. Dette er godt kjent, men det er lite systematisk og teoretisk basert kunnskap om hvordan etterretning faktisk påvirker russisk politikk. For å endre på dette har RUSINTELSTATE samlet et team av håndplukkede, internasjonale Russland-eksperter innen etterretningsstudier, kulturstudier, samtidshistorie og internasjonale relasjoner. Anglo-amerikanske etterretningsstudier (for ikke å snakke om statsvitenskap og internasjonale relasjoner) ser gjerne på politikk og etterretning som atskilt. Etterretning forstås snevert, som en spesifikk form for kunnskap som skal gi politisk nøytral beslutningsstøtte. Denne normative tilnærmingen er imidlertid dårlig tilpasset Russland, en autoritær, personalistisk stat med en distinkt historie. RUSINTELSTATE, derimot, a) analyserer etterretning i videre forstand, som aktører, aktiviteter og kultur; og b) anerkjenner at etterretning og politikk ikke kan forstås atskilt. Etterretningsaktører (organisasjoner/nettverk) kjemper for innflytelse ved å posisjonere seg politisk. Etterretningsaktiviteter (kunnskapsproduksjon) både påvirker og blir påvirket av politiske vurderinger. Etterretningskultur – hele spekteret fra propaganda-narrativer til dyptfølt ideologi – både former og blir formet av oppfatningene til aktørene. Vi framholder at verken den russiske staten eller dens etterretning kan forstås atskilt. Vårt begrep ‘hybrid etterretningsstat’, som understreker den gjensidige innflytelsen mellom russisk politikk og etterretning, er et bedre redskap til å forstå russisk utenriks- og sikkerhetspolitikk, og gjør oss bedre i stand til å håndtere dens utfordringer mot vår sikkerhet.

How does intelligence shape Russian domestic politics and foreign and security policy? Intelligence is ubiquitous in Russia. Current and former intelligence officers, including President Putin, increasingly dominate politics and economy, bringing with them the culture, world-view, networks, and methods of the Russian intelligence community. This is widely acknowledged, yet how it impacts Russia’s foreign and security policy is still poorly understood by academics. Both intelligence as such and its role in IR remain under-theorized, and research on Russian intelligence is highly compartmentalized. To change this, RUSINTELSTATE enlists a team of carefully selected international Russia experts from the complementing fields of intelligence studies, cultural studies, contemporary history, and IR. Moving beyond the models of ‘the KGB state’ on the one hand and ‘intelligence-as-a-tool’ of the state on the other, we advance the novel theoretical perspective of the Russian Hybrid Intelligence State. This allows for a nuanced and culturally and contextually sensitive approach based on the recognition that neither the Russian state nor its intelligence can be understood in isolation from each other. Contrary to the traditional and often normative notion of intelligence as a specific type of knowledge, we employ a wide definition of (state-centered) intelligence as actors, activities, and culture, which allows us to analyze the different ways in which intelligence and politics influence each other: a) actors (services/networks) vying for influence by positioning themselves; b) activities (knowledge production) that may both be heavily influenced by political considerations and influence these considerations; and c) culture, i.e. both narratives created for propaganda and deep-seated beliefs of the intelligence services, as well as everything in between. This makes us better equipped to understand Russian foreign/security policy, and to deal with its challenges to our security.

The Russian Hybrid Intelligence State

I Norge har det vært en økende trend til å benytte regnbueørret (Oncorhynchus mykiss) i oppdrett på grunn av dens raske vekst og toleranse for et bredt spekter av miljøforhold. I dag utgjør regnbueørret 5 % av den årlige produksjon av laksefisk i Norge. Produksjonen har økt med 14 % det siste tiåret, dvs. fra 14453 til 85233 tonn, noe som gjør regnbueørret til den nest mest produserte arten etter atlantisk laks. Til tross for den store interessen er oppdrett av regnbueørret begrenset på grunn av ulike produksjonsutfordringer. Næringen er bl.a avhengig av sesongbasert rognproduksjon. En utfordring er redusert tilgang på rogn i perioden fra juni til oktober, hvilket resulterer i en 5-måneders periode uten tilgang på stor settefisk, fra mars til juni året etter. Videre er forståelsen av hvordan ulike miljøfaktorer initierer og påvirker utviklingen av sjøvannstoleranse dårlig dokumentert. Bl.a. er overføring til sjøvann basert på kroppsstørrelse i stedet for osmoregulatorisk kapasitet. Av den grunn kan settefisken møte ulike helse og velferds utfordringer etter overføring til sjøvann, noe som kan forklare økende dødelighet (rundt 10 %) og høy forekomst av taper fisk (rundt 10 %) i sjøanleggene. Denne utfordringen påfører oppdrettere betydelige økonomiske tap og representerer et velferdsproblem.
I Sande-prosjektet har vi som mål å utvikle nye produksjonsprotokoller for regnbueørret, fra rogn til stor settefisk, basert på optimalisert temperatur, lysrytme og vannkvalitet. En kritisk faktor i prosjektet vil være testing og validering av nye oppdrettsprosedyrer for å kontrollere fiskevekst og utviklingshastighet for å forlenge eller forkorte smoltproduksjonsperioden og tidspunkt for utsetting til sjø. I tillegg vil vi utvikle nye verktøy og analyser for å vurdere smoltkvalitet og tidspunkt for smoltvindu. Denne kunnskapen vil utgjøre en ny biologisk protokoll som tar sikte på å forbedre produksjonen av settefisk av regnbueørret, og som kan leveres til sjøanlegg hele året.

Idéen bak dette prosjektet er å utvikle en sesong uavhengig protokoll (Best Management Practice, BMP) for regnbueørret, fra befruktet rogn til leveringsklar smolt (settefisk), basert på optimalisert temperatur, lysrytme kontroll og styrt vannkvalitet (CO2 nivå), herunder kartlegge konsekvenser på fiskens ytelse, fysiologi, helse og produksjonstid. 
Prosjektet vil innbefatte tre feltforsøk som gjennomføres hos Sande Settefisk. I første forsøk vil effekt av temperatur på tilvekst, helse og kvalitetsutvikling hos regnbueørret i RAS bli kartlagt. Ett sentralt spørsmål vil være; Hvor mye kan vi endre produksjonstiden til ørret i settefiskfasen i vekstintervallet 20 til 400 gr gitt at snitt-temperaturen endres fra 12 til 8?C.  Dette spørsmålet er viktig da en forsinkelse kan benyttes til å dekke perioder hvor oppdretter står uten settefisk som følge av underskudd på egg om våren. Videre vil vi kartlegge hva som er optimalt lysregime under styrt smoltutvikling, herunder gir best smoltkvalitet. Avslutningsvis vil vi undersøke sammenheng mellom variasjon i vannkvalitet (CO2 nivå) på velferd, tilvekst, helse og kvalitet hos regnbueørret. En viktig del av utviklingsarbeidet vil være teste og validere en nyutviklet analyse for vurdering av smoltkvalitet hos regnbueørret (1. Innovasjon). Basert på positive funn og en integrert tolkning av samspillet mellom biologi, drift og vannmiljø, vil vi foreslå analysemetoder og strategier som bedrer fiskens kvalitet og tilvekstpotensial. Kunnskapen vil sammenfattes i en ny biologisk protokoll (BMP, 2. Innovasjon) for optimal sesonguavhengig produksjon av høykvalitets regnbueørret.  I sum vil prosjektet bidra til å sikre en jevn tilgang på settefisk som kan overføres til sjø hele året, og derav styrke oppdrett av regnbueørret i ett bærekraftig fremtidsrettet perspektiv.

Sesonguavhengig produksjon av regnbueørret

Kan saueavl være viktig får å bekjempe klimaendringer? Svaret er faktisk ja! Grunnen er at sauer produserer metan, en drivhusgass som bidrar til global oppvarming. Hva om vi kunne avle sauer som slipper ut mindre metan? Dette er selve essensen i prosjektet "Sustain Sheep."
I dette internasjonale samarbeidsprosjektet involverer forskere fra ulike land (Irland, Storbritannia, New Zealand, Frankrike, Norge og Uruguay) seg i avansert teknologi kalt Portable Accumulation Chambers (PAC) – mobile klimakamre – for å måle metanutslipp fra sauer. Gjennom disse målingene skal man dykke ned i genetikken bak metanutslipp og fôreffektivitet. Resultatet blir anbefalinger for nye avlsmål for sau for å redusere klimafotavtrykket. Potensialet og kostnadene knyttet til implementering av disse avlsmålene vil også bli grundig vurdert.

I Norge vil data fra Sauekontrollen og en genomisk referansepopulasjon bli utnyttet for å analysere genetikken bak metanutslipp hos sauer. I tillegg vil maskinlæring bli anvendt for å avdekke sammenhengen mellom sauens vekt, fôrinntak og metanutslipp. Det vil videre undersøkes hvor effektivt det er å selektere sauer med lavere metanutslipp ved å bruke en simuleringsmodell, en såkalt digital tvilling, av det norske avlsprogrammet for sau. Avslutningsvis vil effekten av å avle for redusert metanutslipp fra sau på klimagassutslippene per kilo slakt produsert bli beregnet ved hjelp av en gårdsmodell. Effekten på de nasjonale klimagassutslippene vil også bli vurdert.

Breeding can be a cost-effective way of reducing enteric methane (CH4) emissions from sheep, by direct selection for CH4 emissions or indirectly through improved productivity. Currently there is under-adoption of these measures as benefits are not captured by the market. Sustain Sheep builds on the successful Joint Call ERA-Net project Grass To Gas and will create infrastructure for incorporation of low environmental impact into national breeding schemes that dovetails into the IPCC inventory. Sustain Sheep is unique as all partner countries (Ireland, United Kingdom, New Zealand, France, Norway and Uruguay) have invested in the same CH4 measurement technology (Portable Accumulation Chambers). 
Sustain Sheep will 1) review the current scientific status of the potential to breed sheep for reduced CH4 emissions (WP1), 2) investigate genetics of CH4 emission and feed efficiency and model the mitigation potential from breeding and give recommendations for new breeding goals (WP2), 3)  forecast uptake rates, cost and abatement of breeding for reduced CH4 emissions (WP3) and 4) determine the best mechanism for dissemination and implementation of project result to maximize stakeholder involvement (WP4). 
In Norway, genetic and genomic analyses of data from the Norwegian Sheep Recording System and the genomic reference population recorded for CH4 emission will be done by NSG (WP2.1). Machine learning to investigate  relationships between GHG emission, ewe live weight and feed intake will be applied and validated by NMBU (WP2.2). The expected response to selection for breeding goals including enteric CH4 and/or feed efficiency will be predicted by NMBU using a digital twin of the Norwegian sheep breeding scheme and data from WP2.1, and the effect on emission intensities (kg CO2-equivalents per kg product) will be investigated using a whole-farm model. The impact of alternative breeding goals on GHG emissions at national level will be quantified using IPCC methodology (WP2.3).

Reducing sheep methane emissions: sustainability in practice via new breeding goals

Politics and Security in the Arctic (POPSARC) tar utgangspunkt i to overordnede spørsmål. For det første, hva kjennetegner vestlige alliertes tilnærminger til sikkerhet i Arktis de senere årene? For det andre, hva kjennetegner samspillet mellom disse vestlige allierte i Arktis, innenfor nøkkelområder av sikkerhetspolitikken? Mye forskningslitteratur har i de senere årene sett på Russland og Kinas ambisjoner for og tilstedeværelse i Arktis, samt vestlige aktørers reaksjoner og tilsvar på disse to statenes signaler og opptreden. Mindre oppmerksomhet har blitt viet endringer i dynamikken og samspillet mellom allierte på vestlig side. Her vil POPSARC bidra til å skaffe til veie oppdatert kunnskap.

Prosjektet fokuserer på åtte stater: De syv arktiske statene Norge, Danmark, Island, Finland, Sverige, Canada og USA, samt Storbritannia - som definerer seg som Arktis' nærmeste nabo. Forskningsteamet vil undersøke disse statenes tilnærminger til og samspill i arktiske sikkerhetsspørsmål på tre områder i perioden 2014-2026: Diplomati, militært samarbeid og infrastruktur-styring. Prosjektet trekker på et teoretisk rammeverk hvor ideer om utenrikspolitiske handlingsrepertoar, felleskapsbygging og differensiering står sentralt. Dette rammeverket vil bli brukt til å analysere endringer i diskurs og observerbare samhandlingsspraksiser på de tre områdene. På den måten vil prosjektet gi verdifulle innsikter til forskere, men også beslutningstakere og den opplyste allmennheten.

At a time marked by major international turbulence – war in Europe, the breakdown of established diplomatic fora, the entry of new actors and stakeholders – there is an urgent need for also understanding the approaches of and interaction dynamics between Western allies operating in or near the Arctic. Power Politics and Security in the Arctic (POPSARC) addresses this knowledge need. While there is a rapidly growing body of literature tracing and unpacking the ambitions and actions of Russia and China in the Arctic, and Western actors’ responses to their moves, limited scholarly attention has been given to the (changing) fabric of allied interactions in the region. POPSARC will theorise, trace, and unpack allied interaction patterns in and around the Arctic.

Doing so, the project asks two questions. First, what characterises Western allies’ current approaches to security in the Arctic? Second, how are allied interactions in the Arctic sphere materialising – in statements, strategies, and observable material practices – across key security domains? Zooming in on the time period 2014-2026, the POPSARC team will study Western allies’ approaches to and interaction patterns in Arctic security across three domains: Diplomacy, military collaboration, and infrastructure governance. Theoretically, it will employ a theory framework organised around the concepts of foreign policy repertoires, community-building, and differentiation. Empirically, it combines the study of dominant and alternative representations in official and wider political and discourses, with a study of observable interaction practices in the domains of diplomacy, military collaboration, and infrastructure governance. In terms of output, the project will deliver academic articles, events, talks, popular publications, and social media engagement. Project results will add to the knowledge production on Arctic security, help policy makers arrive at better-informed decisions, and educate members of the public.

Power Politics and Security in the Arctic

Integrated Research Infrastructure Services for Climate Change risks

Adaptation to climate change requires in-depth understanding of climate change driven risks, including their determinants (hazards, exposure and vulnerabilities) and impacts to human, production and natural systems. Integrated Research Infrastructure Services for Climate Change Risks (IRISCC) is a consortium of diverse and complementary leading research infrastructures (RIs) covering disciplines from natural sciences to social sciences, across different domains and sectors. IRISCC provides scientific and knowledge services to foster cutting-edge research and evidence-based policymaking to improve Europe's resilience to climate change. IRISCC ensures a “one-stop-shop” for various user communities on climate change risk related RI services by setting up a dedicated Catalogue of services and related access management system both for granting transnational (onsite and remote) and offering virtual access. The Catalogue of services will be built through three consecutive releases, each delivering increasingly integrated services to its user communities. The IRISCC service integration will include Service Design Labs employing co-design and transdisciplinary action, and Service Demonstrators benchmarking the integrated cross-RI services. In addition to services aimed towards the scientific community, IRISCC will offer knowledge services aimed towards policymakers and other stakeholders. This is done together with risk management platforms. The research enabled by IRISCC contributes to future reports on climate change effects (IPCC, IPBES) as well as policy- and decision-making to meet the targets of climate adaptation strategies. IRISCC contributes to training a new generation of scientists to efficiently use RI services and for data stewardship. Data from IRISCC will be open and made available in compliance with FAIR principles and linked to European initiatives such as EOSC. Strong links will be created between IRISCC and current and future efforts under Horizon Europe.

Akvakultur står for halvparten av all fisken som konsumeres av mennesker og har derfor en betydelig role i matforsyningssystemet vårt. Dessverre er denne industrien stadig truet av infeksjonssykdommer, noe som truer både bærekraft, dyreveldferd og matsikkerhet. Å finne vaksiner og terapeutiske løsninger på slike infeksjonssykdommer er av høy prioritet, men vår begrensede forståelse av immunforsvaret til fisken har ført til få gjennombrudd i praksis. Vi har nylig oppdaget et mandel-lignende lymfeorgan, kalt “Nemausean Lymfeorgan (NELO) i Sebrafisk og laks, i gjellehulen en struktur som fungerer som hovedinngangen for patogener og er involvert i mange sykdommer som påvirker opprettsfisk. NELO inneholder mange immunforsvarceller og viser involvering i immunrespons. Denne oppdagelsen foreslår at NELO spiller en viktig rolle i fiskens immunforsvar når den nedkjemper infeksjoner. Hovedmålet med dette prosjektet er å undersøke NELOs rolle i fiskens immunforsvar og utforske muligheter for utvikling av vaksiner i akvakultur. For å oppnå vårt mål vil vi først undersøke nøkkeltrekk ved NELO i den mye studerte Sebrafiske. For dette vil vi bruke avanserte bildeteknikker og teknologier som kan markere immunfunksjon på protein- og RNA-nivå. Vi vil deretter undersøke NELO i laks. I tillegg vil vi i samarbeid med internasjonale partnere studere NELOs innflytelse på immunovervåkning under infeksjoner og vaksiner. Resultatene av dette prosjektet vil utvide vår forståelse av fiskeimmunsystemet, bidra til å håndtere utfordringene med infeksjonssykdommer i akvakultur og på lang sikt gi nye innsikter inn i menneskers helse.

Aquaculture faces major challenges posed by infectious diseases. Despite the importance of these issues, our knowledge of fish immunology, which is a crucial defense against infections and the foundation of vaccination strategies, is surprisingly limited. This is especially true concerning the branchial cavity region, even though it represents a major portal of entry for pathogens. We recently used the well-developed zebrafish model to explore the lymphoid organization of the gills and their surrounding tissues. We recently discovered a new mucosal lymphoid organ interconnected with the gill immune network, which we named the Nemausean Lymphoid Organ (NELO). We found that NELO is composed of numerous immune cells (T cells, B cells, and antigen-presenting cells) embedded in a complex network of supporting cells. Whereas it lacks key markers of primary lymphoid organs, it displays several other features of secondary lymphoid organs. Interestingly, the NELO of Salmon shows the same 3D organization, interconnections with gills, and abundance of T cells as the zebrafish NELO. The aim of this project is to determine the function of NELO and its relevance for fish diseases and vaccines. We will use the zebrafish and salmon models in a comparative and cost-effective approach. First, we will precisely define key features such as its entire cell composition, and functions; for this we will combine high-resolution 3D multiplex immuno-histology (immunofluorescence microscopy / in situ hybridization), single-cell RNA sequencing, and functional assays. Major findings in zebrafish will be compared to the investigations in salmon. Then, with collaborators from a European consortium (NucNanoFish), we will inspect antigen-sampling and immune reactions from NELO upon exposure to different diseases and vaccine treatments. Collectively, our data will greatly enhance our understanding of the fish immune system and be important for the aquaculture industry.

New advances in fish immunology: Characterization of a newly discovered lymphoid organ and its involvement in immune responses.

POSOR (Political and Societal Violence in Russia)

Det postsovjetiske Russland har et vedvarende voldsproblem. Dette kommer til uttrykk på ulike måter, fra høye drapsrater og utbredt familievold til krigsforbrytelser i forbindelse med militære konflikter. Hvis vi ser på forskjellige indekser for voldsbruk, så ligger Russland klart over de fleste andre land med avanserte økonomier. 
Hvorfor er voldsnivåene i Russland så høye, og hvordan påvirker dette landets politiske og økonomiske utvikling og dets forhold til omverdenen? POSOR undersøker disse spørsmålene ved å studere fenomenet på tre nivåer: (1) statlig bruk av vold mot interne og eksterne aktører, (2) ikke-statlige grupper og organisasjoners voldsbruk (med fokus på høyreekstreme aktører), og (3) vold i nære relasjoner, eller kjønnsbasert vold. Prosjektet er flerfaglig og vil benytte en kombinasjon av tilnærminger for å besvare spørsmålene, inkludert case-studier, dokument- og innholdsanalyse, og kvantitative metoder.

Hvorfor trenger vi ny kunnskap om vold i Russland?

Det finnes en stor forskningslitteratur som tar for seg stat og samfunn i det postsovjetiske Russland, men vold har vært et marginalt emne. Det finnes faktisk ingen systematiske undersøkelser som fokuserer både på årsakene til de høye voldsnivåene og implikasjonene for samfunnet i stort. POSOR-prosjektet tar utgangspunkt i at vold kan spille en viktig rolle både ved å forme politisk og økonomisk utvikling og å bli formet av denne. Uten å forstå de høye voldsnivåenes rolle i Russland, vil vi være dårligere i stand til å analysere landets innenrikspolitiske, utenrikspolitiske og økonomiske utvikling. Videre er det dessverre grunn til å tro at problemet vil kunne øke i årene som kommer. Uansett utfallet av krigen i Ukraina, vil den ytterligere normaliseringen av voldsbruk som denne har medført, følge det russiske samfunnet i lang tid framover.

Considerable levels of violence have been observed in Russia since the disintegration of the Soviet Union. The state has administered large-scale violence through multiple wars, violence has been a key part of the repertoire of non-state actors such as criminal organizations, vigilante groups, and political extremists, and levels of general interpersonal violence have been high. Indeed, Russia stands out from other advanced economies in several respects. In the Violent Societies Index (VSI) Russia has been ranked among the top 10 most violent societies in both the 1990s and the 2000s. In the domain of extreme-right violence for example, Russia’s average rate of fatal attacks per year (adjusted for population size) exceeds rates found in the U.S. by 500% and in Western Europe by 750% . For interpersonal violence in general, independent estimates indicate that Russia’s homicide rate exceeds that of all other European countries. Given this centrality of violence within Russia as both a tool of public policy, and as an outcome of societal tensions, it is possible that Russia will continue to follow an increasingly violent trajectory, posing an even greater threat to its neighbors and to its population. This project will therefore come at a critical time and will inform wider societal understanding of why Russia behaves as it does today, and what possibilities may lie ahead in the near future. Reports and statistics on the level of violence in Russia are relatively well known, but the causes and larger ramifications of political and societal violence in contemporary Russia remain curiously understudied. In this project, we address this gap by asking (1) how to explain the exceptionally high levels of violence in post-Soviet Russia, (2) how the problem of violence affects Russia's political and economic development, and its relationships with its neighbors, and (3) how Russia’s violence problem affects the relationship with its neighbors.

Political and Societal Violence in Russia

I dagens samfunn øker mengden av data raskt, samtidig som datamaskinene har blitt stadig mer effektive og nå kan analysere og utnytte slike store datamengder i sann tid. Dette har ført til mange nye hjelpemiddel i hverdagen som for eksempel selvkjørende biler, beslutningsstøtte for leger, automatisk talegjenkjenning i TV, datamaskiner og smarttelefoner.  Alt dette er eksempler på bruk av kunstig intelligens hvor målet er å trekke ut og klassifisere viktige elementer fra store datamengder.

Hovedformålet med dette Forskningsråds-prosjektet «Raske usikkerhetsberegninger innen dyp læring avvendt til objekt-gjenkjenning i sonarbilder», er å beregne usikkerheter for dyp-lærings algoritmer og vise hvordan de kan være nyttige innen overvåking av havbunnen, både for sivile og militære formål.
Forskningen er et samarbeid mellom Forsvarets forskningsinstitutt (FFI), UiT og bedriftene Argeo og Multiconsult.

Prosjektet er en utvidelse og forsterking av det pågående Forskningsrådsprosjektet «Transforming ocean surveying by the power of DL and statistical methods» som er et samarbeid mellom UiT og næringslivet (Multiconsult og Argeo), der formålet er å klassifisere objekter på havbunnen bedre, ved bruk av kunstig intelligens.

Troverdige usikkerhetsberegninger, knyttet til klassifisering av objekter, er svært relevante i forhold til undersøkelser som Forsvarets forskningsinstitutt utfører. Det kan for eksempel være snakk om å uskadeliggjøre/fjerne gamle miner og bomber på havbunnen. Prosjektet vil bruke såkalt Bayesiansk dyp lærings-metodikk og nevrale nettverk få å gjøre i disse usikkerhets-beregningene raskere. I tillegg vil vi undersøke hvordan simulerte data kan påvirke disse beregningene.

Prosjektet tar sikte på å overføre kunnskap og ekspertise til forsvarssektoren gjennom forskning og utvikling og forskerutdanning utført av alle samarbeidspartnerne i prosjektet.

In modern society, the amount of data collected is rapidly increasing. Examples occur from self-driving cars to decision support tools in hospitals. Artificial intelligence is key to extract crucial information from the huge amounts of data. Classifiers that suggest a class affiliation based on the input characteristics of the observation, often play a central role in such tasks. The ongoing project entitled 'Transforming ocean surveying by the power of DL and statistical methods' in the IKTPLUSS program focus on development of novel AI methodology that can be successfully used in seafloor monitoring and is performed in close collaboration with the companies Argeo and Multiconsult.

The new project applying for supplementary funding will utilize the Bayesian Deep Learning methods developed by the ongoing RCN funded project to obtain reliable uncertainty estimates in classification tasks highly relevant to investigations performed by the Norwegian Defence Research Establishment (FFI). In addition, the new project will add to the ongoing project by pursuing sparse neural networks as a novel and particularly interesting field for speeding up uncertainty estimation in Bayesian Deep learning. Another novelty of the project is to investigate the impact of simulated data in uncertainty estimation. Finally, the project will transfer knowledge and expertise of the project to the defence sector. 
To be specific, FFI will contribute with their knowledge and experience within seafloor monitoring, efficient acquisition of data and access to highly relevant data sets.  The ongoing project will, on the other hand, contribute with reliable uncertainty estimates and efficient utilization of heterogeneous data sets. In addition, the new project will lead to novel collaborations between FFI, other academia and the companies Argeo and Multiconsult. This is expected to give large synergies and benefit FFI, academia and the companies as they are focusing on highly related problems.

Fast uncertainty estimation in deep learning applied to 
object recognition in sonar images

296 millioner mennesker lever med kronisk hepatitt B (KHB), og ubehandlet vil 15-40% av disse dø av komplikasjoner til KHB. Antivirale medisiner hindrer sykdomsprogresjon og død, men i fattige land er det nesten ingen som mottar slik behandling pga kompliserte behandlingsretningslinjer og mangel på laboratorietester. 

I 2015 etablerte vår gruppe et pilotprogram for behandling av KHB på et referansesykehus i Etiopia. I 2021/22 ekspanderte vi til fire distriktssykehus rundt i landet, der målet var å studere forenklet behandling av KHB. Med dette prosjektet planlegger vi å desentralisere KHB-omsorgen til primærhelsetjenesten, som vil være avgjørende for å oppnå universell tilgang til KHB-behandling i Afrika. Dette er et forskningssamarbeid med partnere i Norge (Sykehuset i Vestfold, Universitetet i Oslo) and Etiopia (Addis Ababa University, St. Paul's Hospital Millennium Medical College). 

Vi skal studere ulike behandlingsmodeller, som hver har sine teoretiske fordeler og ulemper:  
i)	Standardmodellen («behandle kun hvis…»): Dette har vært gjeldende modell i alle retningslinjer til nå. Her er ideen å identifisere og behandle pasienter med høyest risiko for sykdomsprogresjon og død.
ii)	Inkluderende modell («behandle alle unntatt…»): Dette er en helt ny tilnærming. Generelt er det langt lettere å avgjøre hvem som ikke trenger behandling, og med denne modellen får alle behandling med mindre de faller i lavrisiko-gruppen. 
iii)	Teste-og-behandle («behandle alle»): Dette er den enkleste tilnærmingen der alle med KHB skal ha behandling uten behov for ytterligere laboratorietester.

Det primære endepunktet er død og dekompensert leversykdom. I tillegg planlegger vi å studere kostnadseffektiviteten av de ulike behandlingsmodellene, og sammenligne med den klassiske sykehusbaserte modellen.  

Implementeringsstudier som dette har lenge vært etterlyst av Verdens Helseorganisasjon for å finne fram til enklere og bedre modeller for behandling av KHB i fattige land. Vår studie vil direkte informere internasjonale retningslinjer for KHB og således være et viktig bidrag i å nå målet om å eliminere virushepatitt som en samfunnshelsetrussel innen 2030.

An estimated 296 million people live with chronic hepatitis B (CHB) globally. In the absence of treatment, 15-40% of these will die from its complications. Antiviral therapy effectively prevents disease progression and death in CHB. In low-income countries, however, antiviral treatment is rarely available due to complex treatment guidelines, poor laboratory capacity, and lack of public funding. 

In 2015, our group set up a pilot treatment program for CHB at a tertiary hospital in Addis Ababa, Ethiopia. In 2021/22, this program was extended to four regional secondary hospitals to study simplified CHB care in a low-income country. With the present application we aim to decentralize CHB therapy to rural settings, which will be essential to achieve universal access to antiviral therapy in Africa. We will study different treatment models, each of which has its theoretical pros and cons: i) standard model (“treat only if…”), ii) inclusive model (“treat all except…”), and iii) test-and-treat (“treat all”). The primary endpoint will be death or liver decompensation, and secondary endpoints will be programmatic and laboratory success indicators. Finally, we will study the cost-effectiveness of these decentralized models and compare with the tertiary/secondary hospital-based model. 

Implementation research, such as our study, is of vital importance to respond to the research gaps identified by the World Health Organization in hepatitis B care. Our study is expected to directly inform international hepatitis B guidelines and will be a major contribution to the efforts to eliminate viral hepatitis as a public health threat by 2030.

Decentralization of hepatitis B care in sub-Saharan Africa

Midlene fra CL5-Climate, Energy and Mobility fordelt på år

Midlene fra CL5-Climate, Energy and Mobility fordelt på fylker

Midlene fra CL5-Climate, Energy and Mobility fordelt på fagområde

Concentrated Solar energy storage at Ultra-high temperatures aNd Solid-state cONversion

AMBITION: SUNSON proposes a breakthrough in the field of Solar to Heat to Power (S2H2P) generation. The SUNSON prototype will be designed, developed, and validated as a modular, ultra-compact and decentralised solution for dispatchable solar power generation with 10 times less volume than current concentration solar power (CSP) technologies that efficiently store solar energy as heat for electricity conversion on demand. It integrates within a unique solution, novel approaches for solar radiation conversion technology (flux splitting optics for beam-down concentrator), ultra-high temperature thermal energy storage (TES) above 1200ºC and solid-state conversion technology based on thermophotovoltaic (TPV) generators. 

OUTCOMES: on the one hand, a flagship prototype of the proposed technology (SUNSON-Box) integrating optics for beam down CSP technology, high-temperature latent heat storage and the TPV conversion will be demonstrated at TRL4. And on the other hand, SUNSON entails the development of smart digital tools (SUNSON-Tool) for design, management and replicability purposes based on multidisciplinary optimisation. In addition, it will provide a set of features usable for dissemination, exploitation, and communication actions within and beyond the project.

VALUE PROPOSITION: the research is well aligned to the growing European and international interest in the integration of renewable energy sources (RES), solar energy conversion and thermal storage, to scale up and demonstrate novel technologies from research level, advancing within the market uptake roadmap.

IMPACT: a revolutionary compact CSP and RES conversion technology to efficiently generate power with a modular approach, increasing its cost-effectiveness and spreading the application fields of conventional CSP (namely, industry, electrolysers and H2 production, building,). SUNSON will boost the EU economy by promoting net-zero emission electrification to put CSP back on track to meet the 2050 target.

For at kunstig intelligente kontrollsystemer skal kunne bli gitt ansvaret for å ta beslutninger i sanntid i en industrisetting, må AI metodene blir mer robuste. Robusthet er evnen til å yte stabilt under usikkerhet, når det oppstår forstyrrelser, når modellen er feil og uvanlige hendelser inntreffer. Robustheten til kunstig intelligente kontrollmetoder er mindre viktig i virtuelle settinger hvor kostnaden ved en feil er liten sammenlignet med fysiske systemer hvor feil er forbundet med risiko for menneskeliv, eiendeler og omgivelsene. 

I dette prosjektet søker vi å utvikle en dypere forståelse for robuste kontrollmetoder basert på kunstig intelligens og hvordan man kan evaluere robustheten i en industrisetting. Brukstilfeller de utviklede metodene skal evalueres for er vannkraft, billading, oljeproduksjon og styring av strømforbruk i smarte hus.

Robust is one of the three pillars of trustworthy AI according to EU’s High Level Expert Group on AI. The Norwegian government and the OECD also mention robustness as a key property for AI to be deployed in safety and business-critical applications. Robustness in this setting is the ability to keep performance and stability in the presence of uncertainty, disturbances, modelling errors, and out-of-distribution examples. The issue of robustness is particularly problematic in control of physical systems as it is associated with risks to human safety, assets, and the operating environment. 

Control systems manages and commands other devices or systems and are used in safety and business-critical applications. Intelligent control systems is the application of AI in control systems to achieve intelligent characteristics such as adaptation, learning and planning under uncertainty. Even though intelligent controllers have been shown to outperform traditional controllers in several domains, the industrial uptake is limited by the lack of robustness in the underlying methodology. Currently there is a gap between the research on very advanced methods tested in a controllable and predictable environment and the industrial settings where the environment is neither completely known nor controllable and information can be scarce, uncertain and of low quality. This gap can be closed by developing novel methods for robust intelligent control that are tested in both controlled environments and in industrial systems. 

RICO is a collaboration between researchers from the NTNU and SINTEF and the industry represented by TrønderEnergi, Ohmia Retail and Solution Seeker. New and robust methods for intelligent control and methods for evaluating their robustness will be developed and evaluated in industrial settings to meet the society’s and industry’s standards for deployment of trustworthy AI systems in industry.

Robust Intelligent Control

Viktigheten av automatisering i det nye elektriske systemet øker ettersom forurensende og regulerbare energikilder som kull- og gasskraft blir erstattet av fornybare og uregulerbare energikilder som sol- og vindkraft. Det er ikke mulig å kontrollere når uregulerbare energikilder produserer strøm. Det krever at strømsystemet kan selvregulere strømforbruket basert på den tilgjengelige produksjonen. Maskinlæringsystemer lærer av tidligere erfaringer og kan endre oppførsel over tid. Automatisering som benytter maskinlæring, er mer fleksibel og mer effektiv enn ikke-lærende systemer.

Moderne maskinlæringsmetoder, som dype nevrale nettverk, er mer treffsikker og har bedre ytelse enn tradisjonelle metoder. Med den økte ytelsen kommer også et behov for å lære av større mengder data. Mengdene data som kreves av moderne metoder er mye større enn det som tradisjonelt finnes i energidomenet. 

Til å begynne med utføres et literaturstudie. Første anvendelse er vindkraftprognoser.

Machine learning is becoming increasingly important for operating the electrical power system, and machine learning algorithms are highly dependent on historical data. Modern machine learning algorithms based on deep neural networks have superior results compared to traditional machine learning methods. They do require a significant amount of training data to achieve these results. However, the amount of available historical data for specific electrical systems is however often limited, particularly for newly built systems.

This project aims to investigate the use of transfer learning for machine learning problems within the energy sector. Transfer learning is an approach to machine learning that aims to utilize data and learned knowledge from different, but not identical problems for solving a target problem. In this project, different transfer learning methods will be developed, implemented, and tested on energy systems managed by Aneo AS.

A successful project will lead to the development of new methods deployed in production systems used by TrønderEnergi to improve the efficiency of the energy system. While the results will increase the competitiveness of TrønderEnergi, they will also be published in scientific and trade journals to have a broader impact.

Applied Transfer Learning in the Energy Domain

I prosjektet utvikler vi et automatisert tilbakemeldings- og instrukssystem for trafikkopplæring som muliggjør selvbetjent læring og tilbyr en kontinuerlig oppfølging av eleven. Løsningen bygger på en  eksisterende programvare for trafikkopplæring som består virtuelle treningsverdener med tilhørende læringsøvelser. 

Den grunnleggende arkitekturen er designet som et agentsystem hvor ulike agenter tolker deler av den trafikale situasjonen. Resultatet lagres i en kunnskapsgraf som agentene i sanntid i samarbeider om å bygge. Ulike agenter genererer forklaringer av situasjonen, og en agent vurderer når og hvilken tilbakemelding som skal gis til føreren. Tilbakemelding og instruksjonssytemet er tilpasset både simulator og mobil. 

Det utviklede systemet er evaluert av sju eksperter på 20 studenter i tre ulike trafikale situasjoner og har samme konklusjon som konsensus av ekspertene i 80-90% av tilfellene. I et eksperiment har systemet lært opp førere uten hjelp av lærere. Disse resultatene er ennå ikke ferdig analyserte. I tillegg er en tidlig prototype av et system som kan lage øvelser basert på ferdighetene til studenter blitt utviklet og testet ut. De tidlige resultatene er positive.

Way vil utvikle en software-plattform for trafikkopplæring tilpasset et simulatorformat, men kompatibelt med flere verktøy, slik som VR-/AR, desktop, mobil og en fysisk bil. Software-plattformen vil bestå av en virtuell verden som autogenereres i sanntid etter et tiles-basert prinsipp. Det vil si at begrensede geografiske områder genereres basert på elevens prestasjon i foregående geografiske område. På den måten kan man skape en mer relevant og dynamisk treningsverden, til enhver tid skreddersydd for elevens behov. Systemet vil videre tilby en kontinuerlig oppfølging av eleven med automatiserte tilbakemeldinger og instrukser. Etter funn i gjennomført Pilot-t forprosjekt, er vår hypotese at mest relevant metodikk vil være case based reasoning (CBR). 

Formålet med prosjektet er å skape en mer målrettet, individuelt tilpasset og datadrevet trafikkopplæring, som åpner for mer mengdetrening, gir eleven mulighet til å trene på farlige og uvanlige situasjoner, samt gir eleven mulighet til å starte opplæringen før fylte 16 år. I tillegg ligger det effektviseringselement i systemet, som gjør det mulig å tilby førerkort til så lite som 25% av dagens priser, og samtidig drive lønnsomt. Dette samtidig som man får økt kvalitet i læringen. 

Av sentrale FoU-utfordringer vi venter å møte underveis, er effektiv generering av relevante tiles til eleven, under kjøring. Et tilbakemeldingssystem som bygger på CBR vil videre kreve rask prosessering av et tilstrekkelig antall relevante caser i vårt bibliotek, slik tilbakemeldingen ligger tett på den teoretisk mest relevante oppfølgingen.

Prosjektresultatene vil bli benyttet til å bygge opp en internasjonal trafikkskolekjede rigget for fremveksten av gradvis mer autonome biler, på en datadrevet og kostnadseffektiv måte, samt styrke fremtidens trafikkopplæring. Prinsippene man benytter vil også kunne ha overføringsverdi til simulatorbruk i andre bransjer, slik som luftfart, skipsfart og kranstyring.

Automatisert tilbakemeldings- og instrukssystem for trafikkopplæring personbil

Way ønsker å utnytte data samlet i simulatoren ved hjelp av integrert sensorikk og programvare, til å bygge verdens første AI-baserte trafikklærer. Dette omfatter flere titalls ulike datapunkter som inkluderer blant annet adferds, biometrisk og trafikkdata. Gjennom å intelligent utnytte angitt data vil målet være å optimalisere de verktøyene som sammen utgjør de automatiserte instruksene og tilbakemeldingene innen trafikkopplæring (primært) og trening av autonome kjøretøy (sekundært). I kraft av å være godkjent trafikkskole, og at vi allerede har tatt elever hele veien til førerkortet med et betydelig innslag simulatortrening, gjør at vi allerede nå har de nødvendige forutsetningene for å samle ønsket data. Trafikkopplæring i simulator har både i dag og i fremtiden en rekke fordeler for brukeren. Man kan fa° mer mengdetrening, mer ma°lrettet trening, trene pa° farlige og uvanlige situasjoner, og trene før man fyller 16 a°r. Det kan potensielt ogsa° bli betydelig rimeligere. For å best realisere disse fordelene vil bevisst innsamling og bearbeidelse av data være et sentralt fokusområde.

Formålet med forprosjektet vil være å definere innhold og rammer for et hovedprosjekt. Dette betyr i første omgang å kartlegge hvilken data man har tilgang på i dag gjennom eksisterende system og sensorikk. Deretter skaffe en oversikt over hvilken data man teoretisk kan skaffe ved hjelp av systemet. Neste steg blir så å identifisere hvilken data man har praktisk mulighet til å skaffe gjennom ytterligere sensorikk, kompetanse og ressurser. Her må ressurspådrag ses i sammenheng med dataens antatte verdi når man foretar datamessige prioriteringer. Hvilke parametere har størst forklaringsverdi, hvor mange trenger vi, og hvordan skal de eventuelt sammenkobles. I neste runde se på hvordan disse parametrene skal fanges, sammenstilles, og arkiveres. Hvordan bygger vi en database som er best egnet for vår bruk, og hvilke verktøy vil kunne effektivisere denne prosessen. Et videre ledd i de prioriteringene som foretas, vil være å få klarhet i hvilken data de ulike tilknyttede partene i prosjektet er interessert i. Kommersielle parters interesser, Way og Volvos, vil bli vektlagt, da det er et mål for både selskapet og Forskningsrådet at de funnene man gjør skal kunne benyttes kommersielt. Når man kjenner både prioritering, teoretisk og praktisk mulighetsrom rundt databiten, vil vi samtidig formulere eventuelle hypoteser for et hovedprosjekt, samt vurdere hvilke metoder og koder som trengs å utvikles for å på best mulig måte kunne hente ut nødvendig data og bruke denne i praktisk kommersiell sammenheng. 

Neste ledd blir så å se nærmere på hvordan arbeidet med datafangst, -arkivering, -behandling og -bruk organiseres blant partene. Hvilke roller er det naturlig at de ulike tilknyttede partene i prosjektet har i dette arbeidet. Dette handler om å formulere forskningsprosjektet som helhet, både på innholdsnivå og organisatorisk/strukturelt nivå. Slikt vil være førende for aktiviteter, prosess og involvering underveis. Juridiske detaljer vil også inngå her.

Database- og bruksplanlegging for person-, adferds-, biometrisk, trafikk- og kjøretøysdata logget i simulator

Room utilization is a problem for building owners. Building space is costly, universities and large companies must utilize it well. Current solutions for space management enables building owners to understand how buildings are used. However, end users typically can only see which rooms are booked and not which rooms actually are occupied. We want to enable end users of buildings to utilize the available space. 

The project is a collaboration with the Norwegian indoor wayfinding company MazeMap and Lone Rooftop, a company from The Netherlands focusing on space utilization.

We will combine information from Lone Rooftop's space utilization system with information from room booking systems, such as Office 365 and Google Calendar, and visualize this information for end users in digital indoor maps. Room utilization and booking analytics will be visualized for building owners. Experiments that measures room utilization before and after introduction of the system will be conducted. 

There are no solutions in the market that can provide this type of information for large buildings, such as large office spaces and universities. All solutions in the marked focuses on smaller offices. MazeMap's automatic indoor map making software enables making indoor maps for large buildings and campuses, such as universities and large office campuses.

Empowering end users to find unoccupied rooms in large buildings.

ICCBR's main track presents the latest research results in the field. International research groups present their work of original theoretical research, applied research and deployed application papers on all aspects of Case-Based Reasoning (CBR).

ICCBR workshops will provide an informal setting for addressing specific focus topics in an atmosphere that fosters the active exchange of ideas. Recent workshops have explored topics such as case-based agents, experience and creativity, health sciences, reasoning about time, and data mining.

The Annual ICCBR Doctoral Consortium (DC) is designed to nurture PhD candidates by providing them with opportunities to explore and obtain mutual feedback on their research, future work plans, and career objectives with senior CBR researchers, practitioners and peers.

25th International Conference on Case-Based Reasoning

Hovedmålet for prosjektet er å klaregjøre selskapet til å blir en global leverandør av innendørskart og navigasjonstjenester. For at MazeMap skal kunne være en global leverandør av kart, må selskap kunne selge sine tjenester i det globale markedet og levere innendørskart til mange samtidige kunder. To delmål må oppfylles før dette kan bli en realitet: 

1)  Salg må skaleres slik at MazeMap kan nå mange kunder samtidig. 
2) Kartleveranse må skaleres til å kunne levere kart til mange samtidige kunder.

Målene skal oppfylles basert strategien som ble utviklet i  forretningsplanen til MazeMap som ble støttet av SME instrumentet fase 1.

0 antall prosjekter

IKTPLUSS-IKT og digital innovasjon

Robust Intelligent Control

Tildelt: kr 12,0 mill.

Prosjektperiode: 2022-2026

Sted: Trøndelag - Trööndelage

NAERINGSPH-Nærings-phd

Applied Transfer Learning in the Energy Domain

Tildelt: kr 1,8 mill.

Prosjektperiode: 2021-2025

Sted: Trøndelag - Trööndelage

TRANSPORT-Transport 2025

Automatisert tilbakemeldings- og instrukssystem for trafikkopplæring personbil

Tildelt: kr 6,4 mill.

Prosjektperiode: 2019-2023

Sted: Trøndelag - Trööndelage

TRANSPORT-Transport 2025

Database- og bruksplanlegging for person-, adferds-, biometrisk, trafikk- og kjøretøysdata logget i simulator

Tildelt: kr 0,21 mill.

Prosjektperiode: 2018-2019

Sted: Trøndelag - Trööndelage

PES2020-Prosj.etabl.støtte H2020

Empowering end users to find unoccupied rooms in large buildings.

Tildelt: kr 99 999

Prosjektperiode: 2017-2017

Sted: Trøndelag - Trööndelage

IKTPLUSS-IKT og digital innovasjon

25th International Conference on Case-Based Reasoning

Tildelt: kr 49 999

Prosjektperiode: 2017-2017

Sted: Trøndelag - Trööndelage

PES2020-Prosj.etabl.støtte H2020

Scaling MazeMap to a global provider of indoor maps

Tildelt: kr 0,15 mill.

Prosjektperiode: 2016-2017

Sted: Trøndelag - Trööndelage