2023

2022

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

Diverse

Nærings- og fiskerid

Teknologi

Vestfold

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Uttesting og kommersialisering av FoU

LTP3 Høy kvalitet og tilgjengelighet

LTP3 Rettede internasjonaliseringstiltak

LTP3 Klima, miljø og energi

LTP3 Miljøvennlig energi og lavutslippsløsninger

LTP3 Klima, polar og miljø

Næringsliv

Portefølje Energi og transport

Portefølje Forskningssystemet

Portefølje Innovasjon

Portefølje Klima og miljø

Frittstående prosjekter

Danmark

Internasjonale utlysninger

FNs Bærekraftsmål

Internasjonalisering

Miljøvennlig energi

Bransjer og næringer

Co-Funded/ERA-NET

Klima

Politikk- og forvaltningsområder

Anvendt forskning

Klimarelevant forskning

Kutt i utslipp av klimagasser

Lavutslipp

Miljøteknologi

Utviklingsarbeid

Verifisering, pilotering, demonstrasjon (ny fra 2014)

Ny forskning fra Europa og USA peker på at bedrifter bidrar til økende lønnsforskjeller– selv innenfor smalt definerte jobber eller industrier, som økonomifag eller treforedling. Til tross for stor interesse og økende tilgjengelighet av administrative data, vet vi overraskende lite om hvordan– og hvorfor bedriftene påvirker lønnsulikhet. Det viktigste hinderet har vært at variasjon i foretaks lønns- og personalpraksis (heretter kalt HR) har vist seg vanskelig å måle for et representativt utvalg av bedrifter.

I dette prosjektet løser vi måleproblemet ved å utvikle en ny forskningsinfrastruktur. Vår datainnsamlingsmetode muliggjør måling av HR og personalpolitikk på bedriftsnivå og kobling til inntekts- og arbeidertakerforhold. 

Denne kombinasjonen tilrettelegger for ny kunnskap om bedrifters interne arbeidsmarkeder og betydningen av HR og personalpolitikk for lønnsulikhet i arbeidsmarkedet.  

Vi starter med å utforske hva HR gjør i det eksterne arbeidsmarkedet. Her vil vi prøve å forstå hvordan bruk av rekrutteringsmetode avhenger av arbeideres utdanningsnivå, f.eks. master eller grunnskole, om man ansetter fra andre arbeidsgivere eller fra arbeidsledighet, og hvordan dette virker på ulikhet. I prosjektets hoveddel vil vi undersøke hvordan bedrifter organiserer sine interne arbeidsmarkeder, som for eksempel innebærer hvordan ulike jobber er rangert i et jobbhierarki, teams, hvordan ansatte navigerer karrieremuligheter i bedriften, oppnår forfremmelse og lønnsvekst, og hvordan ansatte verdsetter de interne mulighetene i forhold til muligheter i andre bedrifter. I siste del av prosjektet vil vi undersøke betydningen av informasjon om muligheter for arbeidere og hvorvidt forskjeller i lønn også reflekterer gap i kunnskap om muligheter. 

Samlet sett vil prosjektet bidra til økt forståelse av hvordan moderne arbeidsmarkeder fungerer og hva offentlig og bedriftspolitikk kan gjøre for å håndtere utfordringer knyttet til økende lønnsulikhet.

Firms’ human resource policies play an important role in shaping individual workers’ careers and overall inequality. The key challenge with identifying the role that firms play in shaping workers’ careers is that existing worker-firm datasets, such as Norwegian register data, do not include information on what goes on inside of firms. For instance, these data do not include information on how firms advertise or fill vacant positions, how workers learn about these positions, or how firms organize their internal hierarchies. This project aims to advance our understanding of the determinants of HR policies and the consequences of these policies for individual careers and for labor market inequality. In order to do so, the researchers will establish a research infrastructure that combines the strength of the Norwegian administrative data with recent advancements in survey design. 

The research infrastructure will allow them to open the "black box" of firms’ HR policies and make three distinct contributions. In the first project, they will use the infrastructure to develop and validate new survey instruments for measuring firms’ internal HR policies. This will allow them to describe determinants of firm recruitment policies, how practices differ across firms and workers, and whether different recruitment strategies reinforce existing labor market inequalities. In the second project, they will explore workers’ search across and within firms and examine the value workers attach to internal labor markets. This will leverage experiments embedded in the worker survey, as well as recent techniques to measure the organizational structure of firms. The third project will estimate the value that workers place on information about the outside labor market. In doing so, it contributes to an ongoing academic and policy discussion about the role of information in the labor market.

Firming Up Careers: Human Resource Policies and Inequality

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

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

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

Prosjektet «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)

Bilingual Experiences, Cognitive Ageing and underlying Mechanisms

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.

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.

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.

Reality-Connected Machine Simulation of Heavy Machinery

Algebraic Theory of Information Quantities

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.

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

Avansert analyse av smarte data

Midlene fra IKTPLUSS-IKT og digital innovasjon fordelt på år

Midlene fra IKTPLUSS-IKT og digital innovasjon fordelt på fylker

Midlene fra IKTPLUSS-IKT og digital innovasjon fordelt på fagområde

Forskningsleder, sjefforsker

Målsetningen for ANALYST-prosjektet har vært å utvikle nye metoder for analyse av store datasett med en romlig struktur. Med store datasett menes millioner til hundrevis av millioner punkter. Forskningen har, i samarbeid med Kartverkets Sjødivisjon, satt søkelys på havbunns og terrengdata samlet inn med Lidar og sonar, og, i samarbeid med Intervensjonssenteret ved Rikshospitalet, satt søkelys på lagvise medisinske bildedata fra CT- og MR-skannere. En fellesnevner for begge disse datatyper er en stykkevis glatt struktur i de underliggende geometrier. Prosjektets hypotese har vært at slike data kan representeres nøyaktig matematisk med splineteknologi, samt at de lokalt forfinede splines utviklet ved SINTEF det siste tiår (LR B-splines) er spesielt egnet for kompakt representasjon av datasett med store lokale variasjoner. Det har også vært viktig å se på hvordan kunstig intelligens kan komplettere tradisjonelle spline algoritmer, både med hensyn på å forbedre dagens ytelse og til å håndtere nye problemstillinger.
Havbunns og terrengdata kan ha forskjellige strukturer, som regulære digitale terreng- og overflate-modeller og som ikke-regulære punktdata fra f.eks. Lidar og sonar. For regulære data har konvolusjonelle nevrale nettverk blitt modifisert og anvendt til å fylle manglende data med troverdige verdier i samarbeid med besøkende PhD-stipendiat fra Marie-Curie nettverket ARCADES. For prosessering av ikke-regulære data har utvikling av nye nevrale nettverk startet i ANALYST og fortsettes av en PhD-stipendiat ansatt ved SINTEF i Marie-Curie nettverket GRAPES.
For de ikke-regulær punktdatasettene, har vi også videreutviklet rene metoder for LR B-splines uten bruk av nevrale nett. De to siste årene av ANALYST er aktiviteten rettet mot havbunn og terrengdata tilført et nytt aspekt ved å styre approksimasjonen med lokalt forfinede splines med informasjonsmodeller i samarbeid med Universitetet i Hannover. Approksimasjonsprosessen starter med å tilpasse en glatt flate med en svært kompakt representasjon til datamengden, så tilføres gradvis ekstra frihetsgrader/representasjonsstyrke i områder der flaten er mest unøyaktig. Informasjonsmodellene gjør det mulig å stoppe prosessen når det å tilføre ekstra frihetsgrader bidrar lite til den totale nøyaktigheten. Vi har videre med gode resultater utforsket hvordan eksisterende spline algoritmer og programvare utviklet tidligere rettet Computer Aided Design kan brukes til relevant analyse av de genererte modellene. 
Deteksjon av endringer over tid ved å sammenlikne målinger utført på det samme området ved forskjellige tidspunkt har også vært sentralt. Punktskyene fra forskjellig tidspunkt har normalt ikke samme utstrekning og punktmønster. Dette gjør direkte sammenligning av punktskyer krevende. Vi funnet det betydelig enklere å sammenlikne flater som representerer ulike tidspunkt eller punkter fra et tidspunkt med flater fra et annet tidspunkt. Videre har vi utvidet datasettet med tidsakse og approksimert med et LR B-spline volum. Begge angrepsvinkler har gitt et godt grunnlag for å identifisere endringer over tid.
For de lagvise medisinske data har vi med suksess kombinerte tensorprodukt spline representasjoner med nevrale nett. I tensorprodukt spline flater er koeffisientene organisert i et rektangulært nett på samme måte som i et bilde med pixel verdier. Nevrale nett som jobber på tensorprodukt spline representasjoner kan på samme måte som nevrale nett for bilder effektivt utnytte regnekapasiteten til GPUer. Selv om utgangspunktet for arbeidet var CT- og MR-skann, så har de utviklede metodene også vist seg god egnet for andre lagvise sensordata. Et eksempel er slike data fra additiv produksjon (3D printing).
Den forventede nytteverdi av ANALYST er.
- Innen spline forskning er LR B-spline svært lovende med hensyn på representasjon og prosessering av store datasett i to eller flere variabler. Det er også vist at av de alternative lokalt forfinede spline metoder, så er LR B-spline teknologi den mest fleksible.
- Det er demonstrert at nevrale nettverk kan bestemme spline koeffisienter direkte og dermed kode resultatet av en læringsprosess mer kompakt enn bruk av pixel og voxel strukturer.
- Det er dannet en bro mellom forskning innen spline teknologi og nevrale nettverk som viser at kombinasjon av kunnskap fra begge fagfelter gir nye muligheter.
- For næringslivet og samfunnet er nytteverdi demonstrert på spredte data av geografisk natur ved at kompakte havbunnsmodeller med garantert kvalitet kan skapes. Disse er svært godt egnet for analyseres av matematiske natur.
- For lagvise medisinske data kan en direkte skape spline representasjoner som er svært godt egnet for matematisk analyse og betydelig mer kompakte en voxel representasjon.
- En overordnet nytteverdi er muligheten til å skape digitale tvillinger fra sensordata for et bredt spekter av anvendelser.  Tvillinger som effektivt kan analyseres og sammenliknes med tidligere og fremtidig informasjon og data.

Over the last ten years, a new field of research has emerged: Big Data Analytics (BDA). Massively distributed systems offer new tools for exploring large datasets. In parallel, a steady increase in computing power and available training data has enabled the field of Artificial Intelligence (AI) to gain critical mass. 
The challenge of managing, investigating, and visualizing big datasets is not new in the fields of Science, Technology, Engineering and Mathematics (STEM). Recent developments in BDA offer a new set of tools for overcoming these challenges, however, there are significant challenges that arise from the structural differences between most STEM data and the unstructured textual data typical in classical Big Data applications.
In order to address these challenges, we propose using Locally Refined (LR-) spline data modelling to turn Big Data into Smart Data. In early implementations of LR-spline algorithms in 2D and 3D, we have seen their potential as compact interactive models for visual and quantitative analytics on big datasets, well suited for hardware-accelerated interrogation and visualization. By spatial tiling and stitching, we have an extremely versatile and parallelizable approach, well suited for Big Data infrastructures. We can therefore include time and other relevant variables in a compact, interactive, multi-scale, higher order, locally refined model.
However, substantial theoretical developments are needed before this vision of LR-spline modelling of Big Data can be realized. ANALYST will provide the research platform to bring the theoretical foundation of LR-splines up to a level where their full potential can be explored, combining BDA and AI to provide advanced analytics on the LR-spline model. While the focus will be on data from applications in the STEM fields, the resulting algorithms have a wider applicability, providing highly scalable complex modelling tools for Big Data Analytics.

Advanced Analytics on Smart Data

Projektmål: Kutte CO2-utslipp
på arbeidsplassen ved å ta tørking av
betong inn i det 21. århundre
Hjelp entreprenøren med å eliminere risikoen for
tørkeprosessen.
Vi skal bygge en løsning som er i stand til
bestemme nødvendig bruk av
varmeovner og avfukter for tørking
betongen til nødvendig fuktighet
nivåer - dette vil gjøre det mulig for entreprenøren å være
proaktiv i stedet for reaktiv. Dette vil
gjøres ved å bruke sensordata,
konkrete data, metadata inn i en AI.

We will develop a solution consisting of sensors and software that are capable
of saving 25-30% of the current energy consumed for drying concrete on a job
site. In the Nordics alone the potential is more than 212.000tons/Co2 per year.
On top of this, we will help contractors to save time and money at the same
time.
During the project, we will identify the best process for concrete drying
(theoretically) and combine it with the latest within data modeling. A software
platform will be developed and multiple tests will be carried out during the
project on several jobsites in Norway.

0 antall prosjekter

EUROSTARS-EUROSTARS

E!521 ICD

Tildelt: kr 0,82 mill.

Prosjektperiode: 2022-2024

Sted: Vestfold