2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

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

Kunnskapsdepartement

Nærings- og fiskerid

Landbruks- og fiskerifag

Troms - Romsa - Tromssa

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Hav og kyst

LTP3 Marine bioressurser og havforvaltning

LTP3 Klima, miljø og energi

LTP3 Bioøkonomi og forvaltning

LTP3 Samfunnssikkerhet og beredskap

LTP3 Samfunnsikkerhet, sårbarhet og konflikt

Instituttsektor

Portefølje Forskningssystemet

Portefølje Mat og bioressurser

Programmer

Koordinerings- og støtteaktivitet

Bransjer og næringer

Globale utfordringer

Marin

Politikk- og forvaltningsområder

Bioøkonomi

Klimarelevant forskning

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

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Sink er et essensielt mikronæringsstoff som kreves for funksjonen til hundrevis av proteiner involvert i et bredt spekter av biologiske prosesser. Etter inntak av sink fra kosten reguleres nivåene i kroppen nøye gjennom absorpsjon, sekresjon og ekskresjon via spesialiserte proteiner, såkalte sinktransportører, i tarmen. Enhver ubalanse er skadelig for menneskers helse, spesielt er tarmen følsom for sinkfluktuasjoner, hvilket påvirker tarmbarrieren og kan føre til inflammatoriske sykdommer og kreft i tarmen. 
På molekylært nivå er de presise mekanismene som styrer funksjonen til de ulike sinktransportørene fortsatt uklare. Hos mennesker finnes det over tjue slike proteiner, og de fleste inneholder områder rike på aminosyren histidin. Disse histidinene mistenkes å spille en avgjørende rolle i å binde sink. Nylig oppdaget vi et enzym som modifiserer disse områdene ved å sette metylgrupper på histidin, og viste at metylerte histidiner har en lavere affinitet for sink. Dette prosjektet har som mål å identifisere nye mekanismer som regulerer sinknivåer gjennom histidinmetylering av sinktransportører, å utvikle forskningsverktøy for effektiv studie av histidinmetylering, og å legge grunnlaget for nye behandlinger av tarmsykdommer.

The delicate balance of zinc levels in the body is essential for human health. Zinc is absorbed and excreted via intestinal zinc transporter proteins, and perturbations of this process are associated with pathologies, including inflammatory diseases and cancers of the bowel. The precise molecular mechanisms regulating zinc transport, however, remain a major knowledge gap. Based on the recent discovery of an enzyme methylating histidine residues in zinc transporters, and drawing on preliminary findings which demonstrate reduced affinity of methylated histidines to zinc, this project aims to identify novel mechanisms regulating zinc homeostasis through histidine methylation. We will examine the regulation and effect of histidine methylation on zinc transport in intestinal cell culture and organoids, and examine how knockout of the methylhistidine-generating enzyme affects the integrity and pathology of the intestinal tract in mouse models. In addition, we will identify reader proteins specifically recognizing methylhistidines and develop anti-methylhistidine antibodies and inhibitors to use as tools for detection, enrichment, and inhibition of histidine methylation. Such tools are urgently needed by the international research community, as none are currently available commercially. Overall, this project will lead to great advances in the field of protein regulation, and may uncover novel mechanisms in intestinal zinc transport and pathology.

Zinc transport regulation through histidine methylation

Noen av oss tåler stressende livshendelser godt. Andre derimot utvikler vedvarende fysiske og psykiske plager som følger av stress. Hvor godt vi håndterer stress avhenger av et komplekst samspill mellom miljøfaktorer, sosiale forhold, biologisk sårbarhet og indre motstandskraft. Forskning på stressreaksjonene til dyr og pasientgrupper som til vanlig lever under mye stress viser at en gruppe signalstoffer i kroppen som aktiverer det samme hjernesystemet som cannabis – endocannabinoidene – kan begrense styrken på stressreaksjoner og bidra til at man raskere kommer seg til hektene. I dette prosjektet skal vi undersøke hvordan mestring av stress på kort og lang sikt henger sammen med nivåer av endocannabinoider i kroppen for å forstå hvorfor noen personer er mer motstandsdyktige mot stress enn andre. I den ene studien følger vi pasienter som skal gjennomgå en stressende, men veldig vanlig, situasjon: kirurgi. Her måler vi pasientenes opplevelse av stress, samt mentale og fysiske helse, fra tiden før til to år etter operasjonen og undersøker hvordan dette henger sammen med nivåene deres av endocannabinoider og andre stresshormoner. I den andre studien bruker vi data fra et eksperiment hvor deltakerne har blitt utsatt for psykososialt stress til å undersøke om endocannabinoidnivået deres påvirker hvordan de reagerer på stress, og om stresset i seg selv kan påvirke kroppens produksjon av endocannabinoider. Til syvende og sist er målet med studien å vurdere hvorvidt målinger av endocannabinoidnivåer kan brukes til å forebygge helseplager og til å evaluere behovet for økt oppfølging etter alvorlig stressende påkjenninger i livet.

In the face of major life stressors, some individuals cope well whereas others develop ill health and long-term adverse outcomes. Predicting who needs additional support in response to major life stressors is essential for targeted prevention and more efficient allocation of resources. The endocannabinoid system is emerging as a promising target for understanding vulnerability and resilience to stress. This system appears to buffer stress in two ways: by limiting the magnitude of the stress response, and by facilitating recovery after a stressful event. While the early findings are intriguing, they mainly stem from studies in rodents and small clinical groups with high stress burden. What role endocannabinoids have more globally for human resilience, health and well-being remains elusive. 

In this project we address this gap by leveraging comprehensive experimental and clinical data on two potent stress models: psychosocial stress and surgery. Drawing on these unique datasets, which combine experimental control with ecological validity, we will decipher how endocannabinoid levels influence people’s stress response and recovery across minutes, days, weeks and years. The project represents a novel directional shift for endocannabinoid research and will (i) determine the value of endocannabinoid levels as a biomarker to predict outcomes after surgery, (ii) quantify sex differences, (iii) assess endocannabinoid interplay with opioid analgesics, sex hormones and other stress markers (iv) spearhead open and reproducible science practices in endocannabinoid research, and (v) make this fine-grained and novel data available through an interactive web application. 

This project represents an ambitious effort to understand endocannabinoids’ role in stress resilience and will determine the value of endocannabinoids as a predictive biomarker and potential target for individualized treatment.

Deciphering endocannabinoid stress buffering in humans: 
Mechanistic and clinical investigations

Hovedmålet med kreftbehandling er å eliminere kreftceller og dette er tradisjonelt oppnådd ved kirurgi, bruk av giftige medikamenter (cellegift) og stråling. En ny og betydningsfull tilnærming til kreftbehandling kalt immunterapi, har derimot fått mye oppmerksomhet det siste tiåret; Her forsøker leger og forskere å utnytte immunsystemet vårt for å målrettet  ødelegge kreftceller. En nøkkelaktør i denne banebrytende tilnærmingen er en gruppe «drapsmenn» i immunsystemet kjent som cytotoxiske T-lymfocytter (CTL-er). Disse cellene har en bemerkelsesverdig evne til å oppdage kreftceller ved å gjenkjenne unormale molekyler på overflaten av kreftcellene - molekyler som friske celler ikke har. Når CTL-er gjenkjenner kreftcellene ødelegger de dem ved å frigjøre giftige molekyler som initierer kreftcellenes selvdestruksjon. 
 
Selv om betydelige innsats har blitt dedikert til å forstå hvordan CTL-er aktiveres og hvordan de gjenkjenner kreftceller, vet vi mindre om de påfølgende hendelsene inne i kreftcellene som fører til deres død. Fra før vet vi at CTL-er kan initiere to forskjellige typer celledød i kreft: den første, kalt apoptose, er en stille og ordnet prosess der kreftcellene krymper og brytes opp uten å varsle immunsystemet; den andre, kalt pyroptose, er en mer dramatisk prosess som involverer dannelse av åpninger i cellemembranen, noe som fører til at cellene svulmer opp og sprekker. Under denne cellebristen blir innholdet inne i cellene frigitt i omgivelsene, og dette kan fungere som 'faretegn' som kan stimulere en sterkere immunrespons mot kreftcellene. Betydningen av denne cellebristen for å forsterke anti-tumorresponsene vil bli undersøkt i dette prosjektet. 
 
Videre er vi fascinert av muligheten for å avdekke ytterligere, ennå ukjente, former for celledød indusert av CTL-er. Utforsking av disse dødsrelaterte prosessene i kreftcellene kan potensielt øke effektiviteten av immunterapi og bidra betydelig i den pågående kampen mot kreft.

The primary goal of most cancer therapies is to induce cancer cell death. Immunotherapy relies on the cytotoxic activity of lymphocytes such as natural killer cells (NKs) and cytotoxic T lymphocytes (CTLs) to achieve this. While a significant amount of research in immunotherapy focuses on the events within cytotoxic lymphocytes or at the interface between cytotoxic lymphocytes and cancer cells, less is known about the molecular mechanisms that orchestrate cancer cell death, particularly in the case of CTL-mediated death.
CTLs are known to induce two types of cell death in cancer: non-inflammatory apoptosis and proinflammatory pyroptosis. Pyroptotic cancer cells release proinflammatory signals that attract immune cells to the tumor site, thereby enhancing the anti-tumor response. Cell lysis is a common outcome of pyroptotic cell death. It is unclear whether lysis can be decoupled from pyroptosis in cancer cells and whether the proinflammatory properties of pyroptotic cancer cell death depend on lysis. Moreover, it remains unknown whether CTLs can induce other forms of cell death in cancer, apart from apoptosis and pyroptosis.
Studying the mechanisms of CTL-mediated cancer cell death is challenging because CTLs selectively target cells expressing specific antigens. However, given the critical role of CTLs in immunotherapy, it is essential to deepen our understanding of CTL-induced cancer cell death.
This project aims to develop novel methodologies to investigate the death mechanisms that are initiated by CTLs. In addition, we will identify new pathways and mediators involved in CTL-induced cancer cell death. Furthermore, we will assess the contribution of proinflammatory cell death and lysis in promoting anti-tumor responses in vivo. Overall, this research will improve our knowledge of the molecular mechanisms of CTL-mediated cancer cell death and potentially reveal novel targets to enhance the efficacy of cancer immunotherapy.

T-cell-mediated proinflammatory cell death and lysis in cancer

En av de vanligste, men minst studerte, utfordringene med å bli eldre er problemer med å kommunisere. Mange eldre sliter spesielt med pragmatiske ferdigheter, som å forstå undertekst, eller tilpasse det de sier til personen de snakker med. 

La oss si at en lege må gi en alvorlig beskjed til en pasient. For å gjøre det litt lettere å takle, bruker legen vagere språk, som "kanskje" i stedet for "sannsynligvis". Mens yngre voksne ofte tar hensyn til høflighetsstrategier i måten de tolker det som blir sagt på, har eldre ofte vanskelig for å forstå når noen snakker indirekte. Mange eldre voksne har vanskelig for å forstå ikke-bokstavelig språk og kan misforstå alvorlighetsgraden av diagnosen. Dette kan påvirke beslutningen deres om behandling, noe som kan føre til utilsiktede konsekvenser. 

Siden god kommunikasjon er viktig både i viktige medisinske samtaler og i hverdagen, er det viktig at vi finner ut hva som gjør at eldre kan ha vansker med å forstå og bli forstått. RESILIENCE skal hjelpe til med denne utfordringen ved å samle data om praktiske, kognitive og språklige ferdigheter hos voksne i alderen 18-90 år over tid. Dette vil gi oss en stor mengde data om pragmatiske, kognitive og språk ferdigheter og gjøre det tilgjengelig for forskning. Med denne dataen som grunnlag har vi følgende mål: 

• Forstå hvordan praktiske evner endrer seg generelt gjennom voksenlivet. 
• Finne ut hvilke mekanismer som påvirker pragmatiske evner på forskjellige tidspunkter i livet.
 • Utvikle en teoretisk modell som forklarer hvordan pragmatiske ferdigheter endrer seg med alderen.
 • Lage algoritmer som kan forutsi hvordan pragmatiske evner vil utvikle seg for enkeltpersoner i årene som kommer. 
• Utvikle og teste et verktøy som kan måle pragmatisk helse (både pragmatiske ferdigheter og deres underliggende mekanismer), noe som kan åpne  for å iverksette tiltak. 

Dette vil gi oss muligheten til å forstå bedre hvordan folk kan utvikle pragmatisk resiliens gjennom livsløpet.

A cornerstone of human communication is our reliance on pragmatic skills to guide linguistic interactions (e.g., reasoning about others' mental states to bridge the gap between what is said and intended in conversation). However these skills are highly sensitive to age-related decline, leading to miscommunication and uninformed decision making in the older adult population. This raises an important question, one which has puzzled linguistics and psychologists for decades: if pragmatic competence is fundamental to communication, why do individuals vary so much in this capacity? 

Traditionally, psychologists have approached pragmatic competence from a cognitive angle, reasoning that individual differences in executive functions (i.e., the cognitive skills associated with goal-directed actions) are what underlie effective pragmatic behavior. In a similar vein, language scientists have taken a linguistic approach, reasoning that one’s language background (e.g., the frequency with which individuals shift between languages) shapes pragmatic skills by enhancing sensitivity to the communicative context. This focus on either cognitive or linguistic influences has resulted in two expansive yet disparate areas of research.

RESILIENCE will unite these disciplines to pursue a longstanding debate on what underlies pragmatic resilience and decline using a large-scale, interdisciplinary and longitudinal approach. By gathering data on adults' (ages 18-90) pragmatic, cognitive and language skills over multiple time points, we will develop a comprehensive theoretical model that explains how cognitive and linguistic systems interact to shape pragmatic competence as we age, and create algorithms that predict the trajectory of an individual’s pragmatic abilities in upcoming years. Based on these results we will design a multidimensional tool that detects the earliest signs of pragmatic deficits, leading to future interventions, allowing us to uncover the paths to pragmatic resilience.

Uncovering the paths to pragmatic resilience

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.

WHeelchair Activity Monitoring project (WHAM)

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) behavioural 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.

BOLD MINDS aspires to enhance the understanding of vulnerability factors underlying the emergence of borderline personality disorder (BPD), with an ultimate aim of increasing the potential for young individuals to receive early, evidence-based help when their mental health is at risk. BOLD MINDS will achieve this by investigating whether disruptions in two aspects of autobiographical memory (AM), narrative identity (NI) and involuntary AM (IAM), are associated with BPD features and problem behaviours in adolescents concurrently and over time. In doing so, BOLD MINDS will strengthen the understanding of mechanisms underlying the emergence of BPD in adolescence and lay a groundwork for developing evidence-based early interventions for BPD. While currently limited, the study of AM in this field is essential for two reasons. Firstly, because the aspects of AM under investigation, NI and IAM, are known to be involved in identity formation and emotion regulation which represent two key psychological processes that are disrupted in adults with BPD and are linked to problem behaviours such as self-harm and suicidality. Secondly, because promising research is emerging on the use of AM targets in the treatment of emotional disorder in adults, and provides a strong model for future treatment development with vulnerable adolescents. In addition, this timely research program aligns with calls from international organizations to prioritize early interventions to promote adolescent mental health. BOLD MINDS will adopt and adapt state-of-the-art ecological momentary assessment and analytical techniques and work at the crossroads of clinical and cognitive psychological perspectives, allowing for a multidimensional approach to understanding BPD vulnerability. Training-through-research and formalized training of the experienced researcher will prepare her for a permanent academic position and the founding of her own research lab specializing in AM and early interventions for BPD.

Borderline Personality Disorder: Memory and Identity in Adolescence

Despites dental pulp capping materials should meet the certain requirements, the available materials have one or more shortcomings—poor biocompatibility and rheological properties, fail to maintain pulp vitality and to simulate reparative dentine formation and expensive etc. Mineral trioxide aggregate (MTA) is widely used material because of its beneficial properties. However, its composition bismuth oxide, which is suspectable to toxicity, has an impact on rheological properties. This emphasizes the necessity of looking for inexpensive alternatives to materials that meet the specifications. This project's goal and novelty are to investigate the potential processing of the dental pulp capping cement, which is made of strontium silicate (SrSiO3), strontium fluoride (SrF2), piezoelectric material (PZM) and tricalcium silicate (Ca3O5Si) and its rheological properties and hemocompatibility. Because SrSiO3, SrF2, PZM and Ca3O5Si have the promising properties. This project's work packages are split into four categories based on the interdisciplinary approach since it involves the synthesis and characterization of PZM, the processing and characterization of cement, the identification of rheological parameters utilizing ISO standardizations, and hemocompatibility, and acquiring new transferrable skills. Additionally, the interactions among the selected compounds will be determined. The scientific impact of this project is comprehending the physical properties and the immune system's response to evaluate the cement's suitability as a replacement for existing materials, as well as resulting in further uses in dentistry and medicine. The societal impact is providing millions of patients in Europe with predictable and outstanding treatment outcomes each year to maintain pulp vitality and health. Eventually, it will ease the financial load on millions of patients who need dental care, will be avoiding inflated medical expenses and misuse of the patent (economic impact).

SrSiO3-based Dental Pulp Capping Cement

Per- og polyfluorerte stoffer (PFAS) er en stor gruppe menneskeskapte kjemikalier med høyt fluorinnhold som antas å ha negative helseeffekter. Kilder til PFAS kan være produksjon av vann-, varme- og flekkbestandige produkter og disse kjemikaliene er en del av hverdagen vår. PFAS påvirkning av biologiske systemer er ikke fullstendig forstått. Noen PFAS er antatt å øke risikoen for å utvikling av ikke-alkoholisk fettleversykdom (NAFLD) og øke risikoen for diabetes. 

For å forstå hvordan PFAS påvirker organene våre ønsker vi å bruke små laboratoriedyrkede organmodeller, kalt organoider. Disse miniatyrorganene kan dyrkes fra menneskelige stamceller og tilbyr et kontrollert miljø for å studere hvordan PFAS påvirker f.eks lever og bukspyttkjertelen vår, uten bruk av dyreforsøk.

For å studere helseeffekter må vi kunne måle nivået av biomolekyler som fettstoffer i leveren og hormoner i bukspyttkjertelen. Til dette trenger vi å utvikle analytiske verktøy for å måle effektene. Først vil vi bekrefte at når leverorganoidene eksponeres for enkelte PFAS-forbindelser utvikles det NAFLD-lignende sykdom ved å sammenligne den biokjemiske profilen (proteiner og metabolitter) til organoider av lever med PFAS-eksponerte organoider. Deretter vil vi utvide den analytiske verktøykassen for å undersøke hvilke metabolske veier som påvirkes, og om effekten er den samme i NAFLD-induserte og PFAS-eksponerte organoider. Vi vil også eksponere insulinproduserende bukspyttkjertelorganoider for PFAS for å undersøke effekten av PFAS på hormonproduksjon. Når effektene av PFAS-eksponering på lever- og bukspyttkjertel-organoider er etablert, vil organoidene bli samkultivert i en chip, og effektene av PFAS-eksponering vil bli undersøkt og sammenlignet med individuelle organoider.

Persistent organic pollutants (POPs) are believed to contribute to metabolic diseases, such as non-alcoholic fatty liver disease (NAFLD) and type 1 diabetes. HE-POP aims to investigate the effects of per- and polyfluoroalkyl compounds (PFAS), a type of POPs), on organ function in a controlled environment.

Organoids are multicellular laboratory-grown miniature organs, that are grown from stem cells. HE-POP will use organoids to examine how PFAS affects our organs and develop cutting-edge bioanalytical tools and methodology to measure these effects using liquid chromatography-mass spectrometry. HE-POP hypothesizes that PFAS negatively affects organ function, as evidenced by changes in hormone and lipid levels characteristic of NAFLD and type 1 diabetes. 

Organoids offer a controlled environment to study the effects of PFAS on the liver and pancreas, without the use of animal models. HE-POP aims to gain evidence of the negative effects of PFAS on organ function through controlled experiments on organoids and aid in understanding the biological mechanisms underlying NAFLD and type 1 diabetes.

HE-POP has fundaments in UN sustainable development goals, specifically #3, #12, and #14/15, seeking an understanding of diseases with worldwide prevalence, and understanding how POPs affect our life and surroundings and help enable the right regulatory actions and replacement chemicals.

HE-POP: Studying the Health Effects of Persistent Organic Pollutants, Using Mass Spectrometry, Organoids, and Organ-On-A-Chip

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på år

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på fylker

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på fagområde

Forsker

The project will (1) explore the new institutions which are becoming established to encourage all or part of the bio economy in different types of country and region, and (2) identify those institutions that are most successful in delivering triple-bottom-line outcomes of sustainable development.

Institutions that foster sustainable innovation in a bioeconomy based on green resources

Over 40% av norsk strømforbruk går til oppvarming og kjøling. Samtidig genererer norsk industri rundt 20 TWh varmeenergi årlig. Noe av dette, for eksempel termisk energi fra avfallsforbrenning, blir gjenbrukt i for eksempel vannbårne fjernvarmesystemer. Imidlertid går en betydelig mengde industriell varmeenergi tapt på grunn av svingninger i etterspørselen og begrensede systemer for å samle inn, ta vare på og gjenbruke energien. Implementering av fleksible og skalerbare lagringssystemer for termisk energi kan bidra til å balansere tilbud og etterspørsel, noe som vil redusere nasjonalt strømforbruk, kostnader og utslipp knyttet til strømproduksjon.

Undergrunnen tilbyr en termisk lagringsressurs som i prinsippet er uendelig skalerbar. Imidlertid gjør høye utviklingskostnader og store usikkerheter knyttet til undergrunnsforhold det ofte utfordrende å rettferdiggjøre investeringer. Digitale optimaliserings-, overvåkings- og numeriske simuleringsverktøy har et stort potensial for å bedre forstå de relevante prosessene i undergrunnen, men for å kunne redusere usikkerheter og kostnader på industrielle problemer må disse teknologiene tilpasses og brukes på riktig måte. Hvordan dette best kan oppnås i praksis er fortsatt et åpent spørsmål, som GHOST-DigiT sikter mot å adressere.  I dette prosjektet går SINTEF sammen med fire industripartnere innen geotermi, avfallsforbrenning, fjernvarme og eiendom, med mål å redusere risiko og realisere det fulle potensialet til underjordisk termisk energilagring. Vi utvikler og tilpasser numeriske algoritmer og teknologier som gjør det mulig å skape "digitale tvillinger" av geotermiske anlegg og miljøet de utgjør en del av. Målet er å gi sanntidsforståelse, prediksjonsevner og kort- og langsiktig optimalisering av drift, for å legge grunnlaget for effektiv bruk av undergrunnen som et "varmelager" og en nøkkelkomponent i et fremtidig fleksibelt og bærekraftig energisystem.

Geological thermal energy storage is a concept where excess heat from industrial processes or other human activities is injected into the ground for later (long or short term) recovery and use, e.g. for district heating.  The green shift of the energy sector will require rapid uptake of renewable energy sources of intermittent nature, which will require massive additions of energy storage.  Considering that around half of EU energy consumption relates to heating and cooling, widespread use of geological thermal energy storage holds the potential to significantly reduce energy (including electricity) demand and balancing a future, more dynamic energy system.

While using the subsurface as a thermal battery is appealing for multiple reasons (flexibility, scalability, low environmental impact and footprint), efficient use of the subsurface can be very challenging due to a large number of uncertain factors and parameters.  In the GHOST-DigiT project, SINTEF Digital together with five industry partners within geoenergy, waste incineration, district heating and real estate, aim to de-risk and realize the full potential of underground thermal energy storage as a key component of the future energy delivery system by developing enabling technologies for digital twins, a real-time subsurface monitoring/data assimilation and simulation framework providing an in-depth and real time understanding and forward prediction capabilities of the relevant underground processes, supporting short- and long-term optimization of operations, and paving the ground for cost reductions and efficient utilization and planning of the subsurface as a thermal energy storage resource. The industry is well represented in the project, with multiple financing partners and three real heat storage sites to use as case studies for developing, data collection and testing.

Geological High-temperature Optimized Storage Technology – Digital Twin

Forestill deg en verden der vi trygt kan lagre karbonutslipp eller hydrogen i brønner etter at de har tjent sitt primære formål. Dette er visjonen bak WELLFATE-prosjektet, som søker å kaste lys over de komplekse underjordiske prosessene rundt borehull. Den norske kontinentalsokkelen, en omfattende petroleumsprovins med nesten 7000 brønner, har løftet om å omdanne uttømte reservoarer til karbonlagring og redusere globale utslipp. Imidlertid har det oppstått bekymringer angående integriteten til disse brønnene, noe som kan ha alvorlige miljø- og klimakonsekvenser. WELLFATE-prosjektet søker å fylle hullene i vår forståelse ved å karakterisere brønnene som lekker gjennom direkte observasjoner og tilgjengelige data. Dessuten vil en observatorium på sjøbunnen bli utplassert for å overvåke utslipp i et helt år. Denne omfattende strategien vil hjelpe oss med å forstå hvilke lekkarsjeveier fluider tar i berggrunnen, identifisere opprinnelsen til disse fluidene, finne ut når lekkasjen starter, og relatere denne dynamikken til brønnkonfigurasjon og geologi. Konsekvensene av WELLFATE-prosjektet er betydelige. Det legger veien for retningslinjer og beste praksis for å optimalisere nedstengingsprosedyrer for brønner og tidlige boringstrategier for å forhindre problemer i økologisk sensitive områder. Til syvende og sist har det som mål å tilby løsninger for å redusere lekkasje fra allerede problematiske brønner. WELLFATE er mer enn bare en vitenskapelig innsats; det er en vei mot bærekraftig havforvaltning. Ved å forhindre at uttømte felt lekker og dermed gjøre dem egnet for CO2-lagring, harmonerer prosjektet med Norges utslippsmål for 2050. Videre posisjonerer WELLFATE Norge som et senter for kunnskap om ren og bærekraftig energi, og støtter teknologisk innovasjon gjennom forskning. Dette er et skritt mot en renere, tryggere og mer bærekraftig fremtid.

The Norwegian Continental Shelf is a vast petroleum province pierced by nearly 7,000 wells, either plugged and abandoned or heading for decommissioning in the next decades. Suspected leakage is raising concerns about potential implications for the environment and for repurposing depleted reservoirs for permanent carbon storage. However, the current scarcity of direct observations and samples at leaky wells limits our confidence in the mapping of emission fluxes, fingerprinting the origin of the methane, and ultimately prevents us from correlating geology and well design to a risk of leakage. The project WELLFATE aims to understand the processes of fluid migration near wells, which is crucial to achieving sustainability of marine resources from the Norwegian continental shelf (NCS), particularly when planning to repurpose depleted reservoirs for carbon storage to reduce global emissions. Our multidisciplinary approach is to characterize leaky well sites by integrating direct seafloor observations, geophysical, geochemical, and geological data with well configuration and P&A data. In addition, we will deploy a seabed observatory to monitor emission rates and variations over a full year. This strategy will allow us to interpret fluid migration pathways confidently, define the origin of the fluids, date the onset of leakage, and relate the system's dynamics with well configuration and geology to identify critical wells and predict possible leakage locations with the help of state-of-the-art fluid flow simulations. Ultimately, the project results can be used to develop guidelines and best practices to optimize well-decommissioning protocols and/or implement early drilling strategies to prevent lateral fracturing in sensitive sedimentary units and propose possible solutions to mitigate already leaking P&A wells.

Understanding Fluid Migration Processes at Offshore Well Sites | WELLFATE

Innovative Game-Based Hearing Screening for Children

The TURNkey platform: an earthquake risk-informed system for preparedness and disaster management

Geostyring, dvs. evnen til å finjustere brønnposisjonering i sanntid, øker brønnverdien og reduserer risiko. Geostyring er avgjørende for petroleumsbrønner, og aktuelt for andre operasjoner som geotermiske prosjekter, horisontalboring av brønner og tunneler, samt CO2-lagringsbrønner. Nåværende geostyringsbeslutninger bygger på rask manuell tolkning av sanntidsdata med hensyn til modeller, geologi og tilknyttet usikkerhet. Men, ifølge Rassenfoss (2022, SPE JPT) har personen ansvarlig for geostyring svært begrenset tid til å tolke innkommende data, langt mindre å vurdere usikkerheten.
 
Avanserte ensemble-metoder er kjernen i lukket-løkke reservoarstyring (EnCLRM), den nye standarden for automatisk optimalisering av petroleumsfelt under usikkerheten. EnCLRM er dessverre ikke rask nok for geostyring i sanntidsoperasjoner pga. kompleksiteten i geomodellering. Dette kan løses med nye generativt nettverks (GN) geomodeller som "lærer geologi" før boreoperasjon og har ytelse på under ett sekund. GN-geomodellene vil muliggjøre sanntids data-assimilering og gi støtte til beslutninger. DISTINGUISH vil utvikle disse teknologiene i en geostyringsarbeidsflyt. Prosjektet introduserer ny tankegang ved å erstatte "deteksjonsdybde" med "prediksjonsavstand" og sannsynlighetsbetinget beslutningsstøtte.
 
Vi planlegger tidlig testing med data fra operasjonelle felt. Vi vil inkludere fremtidige teknologibrukere for å akselerere adopsjon av arbeidsflyten. DISTINGUISH håndterer utfordringer knyttet til brønnplassering som påpekt i "Olje og gass for det 21. århundre" maskinlæringsrapporten. Ifølge rapporten vil bedre brønnplassering føre til oppdagelser på den norske kontinentalsokkelen, gi økt netto nåverdi fra boring og betydelig redusere CO2-utslipp.

The ability to fine-tune well positioning in real-time through geosteering increases the potential value of wells and minimizes risks. Geosteering is essential for petroleum and penetrates other types of drilling, including geothermal projects, civil wells and tunnels, and soon CO2 storage wells. Currently, geosteering decisions rely on fast-paced manual interpretation of real-time data, which needs to consider pre-job modeling, geological setting, and embedded uncertainties. “Given the pace of drilling, the person in charge of geosteering is hard-pressed just to interpret the incoming data, much less contemplating the uncertainty in it” (Rassenfoss, 2022, SPE JPT). Following the newest trends in the industry geosteering workflow of the future shall capture and update uncertainty in an ensemble of geomodels.

The most advanced ensemble methods are the core of closed-loop reservoir management (EnCLRM), the new standard for optimizing the development of petroleum fields. However, EnCLRM is not fast enough for real-time operations due to the involved geomodelling complexity. We plan to remove this complexity by creating new Generative-Network (GN) geomodels. GN-geomodels “learn geology” before the operation and have sub-second performance. They unlock next-generation data assimilation and new predictive decision-support AI. DISTINGUISH will develop these technologies and combine them into the “geosteering workflow of the future.” It proposes a new way of thinking substituting “depth of detection” with “distance of prediction” and probabilistic decision support. 

We plan early testing on field data and with future technology users to accelerate adoption. DISTINGUISH addresses research challenges related to well placement from an Oil-&-Gas-21 machine-learning report. According to the report, better well placement may lead to additional discoveries on the Norwegian Continental Shelf, an increased net present value from drilling, and significant CO2 emission reductions.

DISTINGUISH: Decision support using neural networks to predict geological uncertainties when geosteering

Attention-driven odometry estimation and Spatial AI

Mens vi surfer på Internett, installerer en app på telefonen vår eller setter opp en ny enhet, blir vi ofte bedt om å samtykke til personvernregler eller vilkår for tjenesteavtaler. Disse er ofte lange og inneholder teknisk og juridisk sjargong, noe som gjør dem vanskelige å lese og forstå. De fleste velger automatisk «jeg samtykker» eller «jeg godtar». Dette er en uheldig praksis. Å velge «jeg samtykker» eller «jeg er enig» uten å lese og forstå retningslinjene er spesielt problematisk når det handler om elektroniske enheter fra dagliglivet, for eksempel, for strømmåling, stemmeassistanse eller støvsuging.

Personvernresignasjon og den utbredte overvåkingskapitalismen innebærer store muligheter for manipulasjon og kontroll av forbrukere. Det påvirker våre valg og svekker demokratiet. 

Privacy@edge adresserer dette problemet. Privacy@Edge har som mål å utvikle løsninger som understøtter bevissthet om, forståelighet av og kontroll over personvern for den enkelte forbruker.

Ved å utnytte naturlig språkbehandling, maskinlæring, skykantprosessering og personvernsforståelse, er målsetningen å automatisk generere forbrukerspesifike personvernsanbefalinger. Viktige aspekter ved personvernreglene (som formålet med databehandling, dataoppbevaring etc.) vil bli presentert sammen med personvernanbefalinger via et brukervennlig dashbord. Dashbordet vil gi en enkel oversikt over innsamlede data, for hvilke enheter, samt muliggjøre oppdatering av tilhørende personverninnstillinger.

The consumer IoT is now ubiquitous and creates unprecedented quantities of detailed, high-quality information about citizens' everyday actions, habits, personalities, and preferences. Such detailed information brings several new and unique privacy challenges. One of the major privacy challenges is that of a current paradigm: ‘Notice and Consent’. Consumers are asked to consent to privacy policies or terms of service agreements for IoT devices and services. Privacy policies or services agreements are often lengthy and contain technical and legal jargon, making them hard to read and understand. Most people reflexively choose “I consent” or “I agree”. With such an uninformed consent, consumers agree to unfair-deceptive practices which leads to frustration and privacy resignation, meaning that they give up managing their privacy. 
The goal of Privacy@Edge is to devise a novel IoT privacy solution that leverages edge computing and federated learning to enhance consumer’s privacy awareness and control over personal data collected and processed by IoT systems. Privacy@Edge aims to address the protection of privacy rights by extending privacy research with advances in edge computing, natural language processing, and privacy-preserving federated learning. In particular, the project leverages edge computing and decentralized machine learning principles to process privacy notices automatically and generate personalized privacy recommendations. Privacy recommendations and information extracted from privacy notice, will be presented in an intuitive way by a novel user-friendly single destination tool, a privacy dashboard. The combined experience of SINTEF in privacy and IoT, Norwegian University of Science and Technology in decentralized machine learning and edge computing, & our industry partners Kobla AS in smart cities, and Tellu AS in eHealth services, provides a unique, timed opportunity.

Privacy-aware Edge and Data Subjects

Kunstig intelligens brukes stadig mer på en rekke områder i samfunnet. Dette berører i økende grad også læring og undervisning i skolen. Fremtidens utdanning og arbeidsliv vil trolig være preget av at vi arbeider med programmer som tar i bruk kunstig intelligens (KI) på ulike måter.

Læring i algoritmenes tid (LAT) studerer læringsprosesser i dagens skole der elever bruker programmer med elementer av kunstig intelligens. Målet er å utvikle didaktiske modeller som kan bidra til at lærere kan legge til rette for læringsprosesser for å styrke elevenes forståelse og utbytte av slike programmer.

LAT-prosjektet skal oppnå målet gjennom tre ulike delprosjekter. Det vil gjennomføres studier i klasserommet, der lærere som medforskere kan utvikle kompetanse om KI med Asker kommunes modell - læringsløyper. Det skal gjøres en litteraturgjennomgang av tidligere nasjonal og internasjonal forskning om KI i skolen, og det skal kartlegges hvordan kommuner kan styre og lede utvikling av skolenes teknologibruk, hva gjelder organisering, etiske og juridiske forhold og elevens personvern.

Prosjekteier Asker kommune, med Universitetet i Oslo (UiO) som forskningspartner, har særlig ansvar for å synliggjøre arbeidet med elevenes personvern. Forskere fra UiO vil undersøke tidligere forskning om KI i skolen, og i samarbeid med kommunen undersøke elevens læring i klasserommet.

Innovasjonen skal gi nytte for kommunen og verdi for samfunnet. For å utarbeide didaktisk bruk av KI, bygger derfor LAT-prosjektet på forskning i klasserom, samt nasjonal og internasjonal forskning. Et viktig punkt er å videreutvikle de kritiske perspektivene på digitalisering generelt og bruk av KI spesielt. Denne didaktikken integreres i den etablerte strukturen for kompetanseutvikling av lærere i Asker kommune, og disse erfaringene vil formidles gjennom en nasjonal satsing. Dette er i tråd med hvordan “Strategi for digital kompetanse og infrastruktur for barnehage og skole” legger opp til Kompetanseutvikling.

Asker kommune er en av Norges største kommuner der de fleste elever har arbeidet med Google Workspace for Education med Chromebook siden 2017. Kunstig intelligens er innebygd i flere av disse programmene for å tilrettelegge søk, utvikle elevenes språk, sjangerforståelse, oversette og gi tilbakemelding på ord og setningsnivå. I tillegg har elever i askerskolen fått tilgang til generativ kunstig intelligens gjennom en rekke chatbots som er blitt laget i en egen løsning for kommunen (innenfor avtalen de har med Microsoft). Dette gir didaktiske muligheter, men skaper også utfordringer. Det er derfor avgjørende å både opparbeide en didaktisk bruk og en kritisk tilnærming til bruken av kunstig intelligens, med særlig vekt på kunnskap, læring og elevens personvern. Gjennomtenkt didaktikk for programmer som bygger på kunstig intelligens kan skape nye former for læring, men slikt arbeid bør også skape refleksjon hos elever om hvordan kunstig intelligens påvirker utvikling av digital identitet, medborgerskap og dermed morgendagens demokrati. 

Innovasjonsprosjektet Læring i algoritmens tidsalder (LAT) er et samarbeidsprosjekt mellom Asker kommune og forskere ved UiO. Prosjektet skaper en forskningsbasert innovasjon som i første omgang tilbyr 12000 elever og 1200 lærere i Asker en didaktikk for bruk av elevenes programmer som bygger på kunstig intelligens. Kunnskap om dette er relevant på tvers av tjenesteområder og knyttes til Asker kommunes lokale planer med FNs bærekraftsmål. 

Hovedmålet med LAT-prosjektet er å belyse muligheter som kunstig intelligens (KI) i grunnskolens programvare kan gi for lærerens undervisning og elevenes læring. Gjennom å syntetisere forskning, vurdere etiske og personvernrelaterte problemstillinger for bruk av KI og studere elevers læringsarbeid med programvare som bygger på KI. Dette gir LAT-prosjektet et solid forskningsmessig grunnlag for virksomhetens innovasjon, som til slutt skal spres nasjonalt. 

LAT-prosjektets har en bredt sammensatt referansegruppe med representanter fra universiteter, kommune-Norge, IKT-Norge, samt forlagsbransjen for digitale læremidler. Slik sikrer LAT-prosjektet nasjonal spredning og verdiskaping for samfunnet.

Læring i algoritmenes tidsalder (LAT) – En innovasjon for didaktisk bruk av kunstig intelligens.

Maximized wireless power transmission under variable conditions

Det er bredt akseptert at CCUS (karbonfangst, transport, utnyttelse og lagring) er nødvendig for å håndtere utslippene fra industrier der utslipp er vanskelige å redusere. Dette er en nøkkelteknologi som gjør det mulig å de-karbonisere et bredt spekter av industrielle anvendelser. I mange regioner i Europa gir offshore lagring en levedyktig mulighet på grunn av en rekke teknologiske faktorer (slik som tilgjengelighet av passende geologiske formasjoner), men også samfunnsmessige faktorer, da det ofte er lettere å akseptere offshore lagring fremfor lokal lagring på land.

Tradisjonelle løsninger for offshore lagring omfatter landbaserte terminaler og knutepunkter samt rørledninger eller skip som kobler disse til offshore plattformer eller havbunnsinstallasjoner . Skip betraktes kun som transportløsningen for å samle CO2 ved havner og levere det til de nevnte knutepunktene. CTS vil undersøke muligheten for å bruke skip som injeksjonsfartøy (DSI). Prosjektet bygger på tidligere prosjekter som ACT ECO-BASE, H2020 Strategy CCUS og det eksisterende samarbeidet mellom NORCE og NEMO Maritime i NEMO IPN-prosjektet som støttes av RCN.

DSI for permanent lagring av CO2 har som mål å tilby en kostnadseffektiv, skalerbar og fleksibel løsning med raskt implementering. Bruk av skip for injeksjon bidrar også til å redusere de visuelle virkningene av permanente offshore anlegg i områder som er avhengige av kyst- og marin turisme, og reduserer konflikter med andre marine aktiviteter, som fiskerier.

DSI har potensiale til å transformere og styrke CCUS i Europa og globalt på grunn av følgende:

- desentralisering og dermed mer fleksibel og effektiv tilpasning av utslippskilder og lagringssteder;
- raskere implementering og omgåelse av begrensninger i rørledningstransport;
- økt aksept for CCUS ved å koble mindre utslippskilder og regioner som mangler lagringskapasitet;
- bidrar til å skape et pan-europeisk marked for on-demand CO2-lagring.

It is widely accepted that CCUS (Carbon Capture, transport, Utilization, and Storage) is required to address
the emission from hard-to-abate sectors in the net-zero society. It is a key technology enabler to decarbonize
a wide range of industrial applications. In many regions of Europe, offshore storage provides a viable option
due to a large variety of technological factors (such as availability of fitting geological formations) but also
societal factors, as it is often easier to accept offshore storage rather than local storage onshore.
Traditional solutions for offshore storage comprise onshore terminals and hubs and pipelines or ships
connecting these to subsurface templates or offshore hubs. Ships are considered solely as the transport
solution for gathering the CO2 at ports and delivering it to the above-mentioned hubs. CTS will investigate the
possibility to use ships as injection vessels (DSI). The project builds on previous projects such as ACT ECO-BASE,
H2020 Strategy CCUS and the existing collaboration between NORCE and NEMO Maritime in the NEMO
IPN project supported by RCN.
The DSI for permanent CO2 storage aims to provide a low-cost, scalable, and flexible solution that can be quickly rolled out. Using ships for injection also helps to decrease the visual impacts of permanent offshore injection facilities in the areas relying on coastal and marine tourism, and reduces conflicts with other marine activities, such as fisheries, since it avoids the need for permanent large-scale infrastructures (such as offshore platforms).
DSI has the potential to transform and boost CCUS in Europe and globally due to:
• decentralization and, hence, more flexible and effective matching emitters and storages;
• faster deployment and circumventing limitations of pipeline transport;
• enhancing CCUS adoption by connecting smaller emitters and regions lacking storage capacity;
• contributing to the creation of a pan-European market for on-demand CO2 storage.

CO2 Transport and Storage directly from a ship: flexible and cost-effective solutions for European offshore storage.

Prosjektet har som mål å gjøre kommunal saksbehandling raskere og mer effektiv ved å bruke ny teknologi. Tenk deg at når du søker om å bygge en garasje, kan en datamaskin hjelpe til med å behandle søknaden din istedenfor en saksbehandler. Dette vil ikke bare spare tid, men også ressurser.

Selv om det høres enkelt ut, er det mange utfordringer. Saksbehandling innebærer en kombinasjon av tekst, datamodeller, tegninger og kart. Men med fremgangen innen maskinlæring, der datamaskiner lærer av data, tror forskerne at de kan automatisere mye av dette arbeidet.

Hvert år behandles det omtrent 90.000 byggesaker i Norge. Dette prosjektet har fordelen av å jobbe med Norkart, som kjenner til arbeidsprosessene i mange av Norges kommuner. Det betyr at de har en god forståelse av hvordan ting fungerer og kan lettere finne løsninger.

Men før datamaskinene kan starte arbeidet, trenger de data. Selv om mye av denne informasjonen allerede er tilgjengelig, er den ikke klar til å bli brukt av moderne algoritmer. Forskerne vil derfor også jobbe med å samle og tilpasse denne informasjonen, noe som i seg selv er et stort og viktig arbeid.

Prosjektet ønsker å utvikle ny kunnskap og innovativ teknologi for å understøtte automatisering av kommunal saksbehandling og arbeidsprosesser knyttet til plan, bygg, eiendom, kommunale gebyr og fakturering. Automatisering av saksbehandling er komplisert og menneskeintensivt i dag. PhD-prosjektet vil fokusere på utvikling av ny maskinlæringsteknologi og bruk av kunstig intelligens som grunnlag for å automatisere arbeidsprosessene. Algoritmene vil kunne utvikles stegvis på ulike sakstyper med stigende grad av kompleksitet. Saksbehandling er i sin natur multimodalt med en kombinasjon av tekstlig skjønnsmessige beskrivelser, strukturerte datamodeller, byggetegninger og kartgrunnlag. Nyere multimodale maskinlæringsmodeller har demonstrert gode resultater på denne type multimodale problemstillinger. Dette vil benyttes i PhD-prosjektet. 

Det behandles årlig rundt 90.000 byggesaker i Norge. I tillegg behandles tilsvarende volumer saker innenfor tilgrensende fagområder i kommunal sektor. Norkart har en unik posisjon for tilgang til arbeidsprosesser, brukere og programvareløsninger i svært mange av Norges kommuner. Dette reduserer prosjektets risiko og evne til suksess.

Datainnsamling vil være et større arbeid i prosjektet. Til tross for at datagrunnlaget er åpent tilgjengelig er det ikke tilpasset til bruk i moderne maskinlæringsalgoritmer. Strukturert innsamling, bearbeiding og tilpassing av datagrunnlag vil i seg selv være innovativt og publiserbare forskningsresultater.

Autonom saksbehandling med maskinlæring

Low-power Tsetlin Machine Integrated Circuits

GNSS korreksjonstjenester må stadig tilpasse seg nye krav og behov fra massemarkedet, drevet av en eksplosiv vekst av bruksområder for autonomi innenfor samferdsel, maritim sektor og luftfart. Mange eksisterende operasjoner i transportsektoren drar nytte av høy-presisjons korreksjonstjenester som støtter nøyaktighet på desimeter nivå (automatisert kjøring, automatiserte tog og kontrollsystemer, trafikkstyring, etc.), og antallet brukere forventes å øke gjennom større bruk av automasjon og videre utvikling av autonomi. Selv om denne høye nøyaktigheten er et grunnleggende ytelseskriterium, så er systemets resiliens, tilgjengelighet og pålitelighet av større betydning for sikkerhetskritiske anvendelser i transportsektoren som bruker GNSS korreksjonstjenester for posisjonering. 

I løpet av de siste årene har det økende antallet av brukere og fremveksten av nye bruksområder ført til at nettverket av CORS referansestasjoner i Norge har fått økt utbredelse langs toglinjer, større havneanlegg og bykjerner, for å øke ytelsen til korreksjonstjenestene i disse områdene. Hyppigheten av skadelig radio frekvens interferens (RFI) rettet mot GNSS signaler er størst i miljøer som øker risikoen for at referansestasjoner og/eller brukere av korreksjonstjenestene blir rammet. Overvåkning av kvalitet og ytelse til CORS nettverket utføres hyppig, men har begrensninger innenfor konteksten av RFI. Fremveksten av nye bruksområder skaper også behov for diagnostikk i tilfeller der ytelsen faller utenfor toleransene, noe som er særlig viktig der GNSS mottagerne har ingen eller kun et fåtall indikatorer på mulige forstyrrelser eller mulighet til varsling av brukeren. Det finnes i dag ingen tjeneste eller infrastruktur komponent som kan rapportere feil og utføre analyse for slike brukere/bruksområder. Hovedmålet med prosjektet er å øke resiliens og pålitelighet av CORS infrastruktur og å utvide nettverkets evne til å alarmere seg selv, sine brukere, og myndigheter om interferensfeil.

Driven by explosive growth in mass-market applications, such as road/marine/air vehicle autonomy, GNSS correction services must adapt quickly to meet the evolving user requirements and needs. Many existing transportation operations benefit from high precision correction services supporting dm level accuracy (automated driving, automatic train operations and control, traffic management, etc.), and the number of users is expected to grow due to increased automation and evolution of autonomy. While this very high accuracy is a fundamental performance requirement, for safety critical transportation applications using GNSS correction services for positioning, service resilience, availability and reliability are of much higher concern. 
During the past several years, to support the growing number of users and evolving applications the CORS network density in Norway has been gradually increasing along the critical railway lines, busy ports, and core metropolitan areas to enhance the performance of the correction services in these areas. The occurrence rate of harmful interference targeting GNSS signals is highest in such environments which increases the risk of reference stations and/or correction service users being impacted. CORS network performance and measurement quality monitoring is carried out hourly and daily but is limited in the context of RFI. The evolving new applications also depend on diagnostics in cases when performance is out of tolerance, which is of particular importance where the utilized GNSS receivers have no or very limited indicators of disruption or user alerts. There is currently no service or infrastructure component providing fault reporting and analysis for such users/applications. The objective of this project is to increase the resilience and reliability of CORS infrastructure based positioning services and enhance the network capabilities to alert itself, its users and authorities of interference faults.

Resilience and Reliability Improvement of CORS Network Based Services for Automated and Autonomous Transportation Operations

Nedbør og temperatur vil endre seg i framtidas klima, noe som gir nye utfordringer og muligheter for norsk vannkraft. Vi forventer en økning i frekvens og alvorlighet av ekstreme hendelser som flom, tørke og høye vanntemperaturer. Forskningsprosjektet ReAdapt skal studere hvordan vi kan tilpasse vannkraftsystemet til et nytt klima med fokus på ekstreme hendelser. Målsettingen er å opprettholde eller øke vannkraftproduksjonen samtidig som biomangfold opprettholdes i velfungerende økosystemer.

Økosystemer og alt liv i vann og vassdrag er tilpasset klimaforholdene slik det historisk har vært. Vannkraft er en viktig påvirkningsfaktor til alt liv i vassdrag, men vi har god kunnskap om både virkningene og hvordan tiltak kan utformes for å bedre forholdene for liv i regulerte elver. Økt hyppighet og alvorlighet av ekstreme hendelser kan forverre forholdene, men vassdragsregulering gir også en mulighet til å kompensere for negative klimaendringer.

ReAdapt skal bruke ti ulike scenarier for hvordan klima og ekstremhendelser kan utvikle seg. Hydrologiske modeller skal brukes for å beregne tilsig, vannføring og vanntemperatur. Kraftsystemmodeller skal deretter brukes for å finne framtidig energiproduksjon, strømpriser og  hvordan drift av magasin og kraftverk blir.

Vi har valgt et spesielt fokus på laks i ReAdapt ettersom det er en art som reagerer relativt raskt på endringer i de fysiske forholdene. Det finnes mye relevant kunnskap om hvordan laks reagerer på ulike klimatiske forhold som vi skal bruke sammen med eksperimentelle studier på NINAs forsøksstasjon på Ims. Der skal vi se hvordan laksen reagerer på ulike vannføringer og vanntemperaturer som igjen skal brukes i modeller for vekst og utvekling av laks. Sammen med modeller for klima, hydrologi og kraftproduksjon kan vi forutsi hvordan ekstreme klimahendelser påvirker laksen, og videre hvordan vi kan tilpasse vannkraft og sette inn avbøtende tiltak for å sikre både kraftproduksjon og laks i framtidas klima.

ReAdapt will generate research-based knowledge about how hydropower can optimize and re-adapt sustainable operations in future climates. The focus will be on extreme events, and how they can be accommodated with strategic investments and measures, to minimize uncertainty, and maintain or increase hydropower production. At the same time, we will investigate impacts to ensure a well-functioning aquatic ecosystem by adapting hydropower operations and suggest mitigation measures for the key species Atlantic salmon.

ReAdapt will identify a set of compound scenarios combining multiple climate pressures and other stressors that pose risks to hydropower production and the ecosystem. By the use of hydrological modelling and ten downscaled and bias-corrected climate scenarios for emission scenarios RCP4.5 and RCP8.5, we will characterize extreme events of flow and water temperature for the scenarios. We will then use power system models to analyse how these scenarios will impact total power system costs, electricity prices, energy production, reservoir management and environmental flow releases at national and local scales. 

Atlantic salmon is an ideal model organism to study ecological effects of extreme climate events because it is a key indicator species used to assess ecological conditions in rivers. We will analyse historical data to understand how extreme episodes have affected salmon. By using a combined experimental, and genetical approach, we will test ecological impacts of projected extreme water temperatures and flow conditions at NINA’s Research Station Ims. Results from future scenarios on hydrology and power system models will feed into a mechanistic individual-based model, to simulate salmonid response to impacts of extreme events.

Finally, we will show how extreme events impact the ability for hydropower plants to comply with revised terms of licenses, total power system costs, and energy production while maintaining sustainable ecosystems.

Adapting hydropower to future climate extremes

Kjemikalier med miljøskadelige effekter omfatter både gamle, forbudte stoffer, som PCB og DDT, og nye stoffer som utvikles og tas i bruk uten tilstrekkelig testing for giftighet. Slik testing blir tradisjonelt gjort på dyr, der blant annet krepsdyr, fisk og mus i store antall blir eksponert for nye kjemiske stoffer hvert år. Likevel er bare et fåtall av de rundt 350.000 stoffene som finnes på markedet i dag grundig testet. Samtidig er dyreforsøk etisk uønsket, og både EU og USA er i ferd med å fase ut bruken av dyr i kjemikalietesting. 

Giftigheten til et stoff starter som regel med at stoffet binder til bestemte komponenter i cellene til den eksponerte organismen. Dette er ofte proteiner som vi kaller reseptorer, en slags antenne som tar imot signaler som styrer viktige prosesser i organismen. Når disse prosessene forstyrres, oppstår ulike former for giftighet. Noen miljøgifter forstyrrer hormonbalanse og reproduksjonsevne. Disse kaller vi hormonforstyrrende stoffer. Andre kan forstyrre vekst, immunforsvar eller nervesystem, avhengig av hvilke reseptorer stoffene virker på.

XENOSENSE-prosjektet har som mål å utvikle en biosensor for miljøgifter basert på kunnskap om slike reseptorer fra ulike arter. Gjennom en unik kobling mellom miljøtoksikologisk forskning, modellering av reseptorer og potensielle miljøgifter, bioteknologi og kunnskap om sensorteknologi vil prosjektet utvikle et lite mikrolaboratorium, et såkalt Lab-on-a-Chip, som kan gi signaler om et stoff har en eller flere giftige egenskaper, og kan dermed være med på å erstatte bruken av dyr i kjemikalietesting. Biosensoren kan også brukes i miljøovervåking, til å kartlegge forurensete områder i havner og byområder, eller utslipp fra industri og kloakkrenseanlegg. 

Prosjektet ledes fra Universitetet i Bergen med NTNU som forskningspartner og STIM AS og Biosense Laboratories AS som næringslivspartnere.

In the XENOSENSE project, competencies in environmental toxicology, biotechnology, nanotechnology, and computational biology will converge to make radical progress towards ecotoxicology and environmental health research, and also towards regulatory toxicology and the 3Rs of animal research. A recent study suggested that the production and release of novel entities and chemicals has accelerated to a point where we have crossed a “planetary boundary,” threatening both human and environmental health. Around 350,000 different types of chemicals are currently on the international market, with production of existing and new chemicals set to substantially increase in the coming decades. The ultimate goal of 3R research has been the full replacement of animal testing with alternative methods. Yet, we are stille far away from reaching this goal, and our capacity to evaluate the risk of new and existing chemicals lags far behind the need.

The core concept of the XENOSENSE project is to develop a transformative method to taking toxicity testing towards not only animal-free, but also cell-free, testing methods, building on the ethical imperative of the 3R principles, by building on the convergence of environmental toxicology, computational biology, biotechnology and nanotechnology, and using collaborative research and co-design with relevant industrial partners directly integrated in the project to develop a versatile Lab-on-a-Chip-based xenosensing biosensor.

XENOSENSE – developing a cell-free biosensor for toxicity testing, environmental monitoring, and risk assessment

Autoteaming-prosjektet skal utvikle nye teknologier for sømløst menneske-maskin-samarbeid for å akselerere den digitale transformasjonen av Norges maritime industri.

Nyere teknologiske fremskritt innen maskinautonomi har vist potensialet til å forbedre maritime operasjoner betydelig ved å forbedre effektivitet, sikkerhet og bærekraft. Dette teknologipotensialet understrekes av økende mobilitets- og miljøkrav kombinert med mangel på kvalifiserte navigatører.

Moderne design har blitt styrt av overbevisningen om at teknologi bør erstatte oppgaver som normalt utføres av mennesker. Problemet med denne tilnærmingen er at når det uventede skjer eller når automatiseringen uunngåelig svikter, må en menneskelig navigatør være klar til å ta over med raske og hensiktsmessige handlinger. For å kunne lykkes med å utnytte fordelene med avansert automatisering må teknologiene lages for å støtte navigatører, ikke for å erstatte dem.

Vår visjon er at mennesker og maskiner kan danne effektive team, og vi har til hensikt å demonstrere dette med småskala autonome ferger overvåket fra et fullt integrert fjernkontrollsenter.

Resultatene av prosjektet vil være nye teknologier for automasjonstransparens og beslutningsstøtte som muligjør et sømløst menneske-maskin-samarbeid.

Autoteaming-prosjektet vil kulminere i en demonstrasjon av verdens første fjernovervåkede autonome passasjerferger uten navigatører ombord.

The Autoteaming project will develop new technologies for seamless human-machine teaming to accelerate the digital transformation of Norway’s maritime industry. Recent technology advancements in machine autonomy have demonstrated the potential to significantly enhance maritime operations by improving efficiency, safety, and sustainability. This technology potential is underscored by increasing mobility and environmental demands paired with a lack of qualified navigators. Contemporary design has been guided by the conviction that technology should replace tasks normally done by humans. The problem with this approach is that when the unexpected happens or when the automation inevitably fails, a human navigator must be in the loop to take swift and decisive preventative actions. Therefore, to succeed at leveraging the advantages of advanced automation, the technologies must be designed to support navigators, not supplant them. Our vision is that humans and machines can form effective teams, and we intend to demonstrate this with small-scale autonomous ferries supervised from a fully integrated remote control centre. This will be accomplished by combining existing world-leading research infrastructures, including two proven autonomous urban passenger ferry prototypes and a laboratory dedicated to remote supervisory control of maritime operations. Three work packages are proposed: the first incorporates communication of status and intent into the autonomous control system of an urban autonomous ferry; the second designs an interface in line with real human needs and work tasks; the third consists of field tests of human-machine teaming for supervised multi-vessel operations. The outcomes of the project will be novel automation transparency and decision-support technologies for seamless human-machine teaming. The Autoteaming project will culminate in a demonstration of the world’s first remotely supervised autonomous passenger ferries without navigators onboard.

Seamless human-machine teaming for safe and scalable operation of autonomous passenger ferries

Bruk av digitale løsninger kan være med på å muliggjøre bærekraftig sjøtransport. For å sikre et vellykket grønt skifte, må vi utnytte de mulighetene teknologien gir oss, slik som beslutningsstøttesystemer og autonome skip, for energisparing og utslippsreduksjon. Det er også, imidlertid slik, at økt digitalisering fører til nye sikkerhetsutfordringer. De komplekse årsak-virkningsforholdene i disse systemene blir mindre synlige og vanskeligere å forstå for både operatører og utviklere. 

Tradisjonelt har menneskelige operatører vært ryggraden i komplekse systemers evne til å unngå ulykker gjennom å tolke situasjoner og gjøre tilpasninger for uforutsette endringer. Men med økt digitalisering og autonomi kan situasjonsforståelsen hos menneskelige operatører avta, og dermed også deres evne til å håndtere uforutsette situasjoner.

SAFECOAST er et banebrytende prosjekt som vil møte disse utfordringene. Vårt mål er å være med på å legge grunnlaget for det grønne skiftet til sjøs ved å utvikle metoder og verktøy som muliggjør trygge og robuste digitale løsninger.

Vi har som mål å skape kontrollstrukturer som kan håndtere uventede forstyrrelser, avvik og feil, samtidig som de tar trygge beslutninger under usikkerhet. Fokuset er på autonome skip, der vi vil utvikle banebrytende teknologiske løsninger, inkludert avanserte kontroll- og beslutningssystemer. Disse systemene vil kunne forutse, oppdage og forstå farlige situasjoner, slik at trygg navigering og beslutningstaking er mulig, selv i usikre omgivelser. Sammen med industrilederne Kongsberg Maritime og DNV, som er aktive deltakere i prosjektet, vil vi demonstrere denne teknologien gjennom case-studier for autonome skip.

Ved å fjerne flaskehalsen som hemmer innovasjon innen digitalisering og den grønne overgangen, driver SAFECOAST maritime systemer mot en tryggere og mer bærekraftig fremtid.

Traditionally, human operators have been the main source of resilience in complex systems with their ability to interpret situations, adapt to changes, respond to disruptions to prevent accidents, and learn from experience. When computer control systems take over tasks and responsibilities from human operators, much of this resilience may be lost, since existing computer control systems are currently not able to adapt and solve problems outside their specification and design intent.  The main objective of the SafeCoast project is to enable the development of highly resilient autonomous control architectures capable of coping with unstructured environments, handling sudden disturbances, deviations, failures, and making safe decisions under uncertainty. The project furthermore develops methods for understanding and assuring safe behavior of autonomous systems and their interactions with traditional systems. This is achieved by developing i) a framework for enhanced situation awareness by using online automatic hazard detection to anticipate, detect and understand system hazards; ii) a framework for online control architecture redesign that enables autonomous systems to adapt to disturbances and hazardous situations; and 3) a framework for safety assurance of adaptive and self-reconfigurable autonomous control architectures. Research results will be implemented and demonstrated in two case studies where autonomous ships are considered. An interdisciplinary approach if employed to address the research challenges from the fields of both control engineering and safety science.

Safe and Resilient Control Systems for Autonomous Ships

CAIge-prosjektet har som mål å transformere måten vi overvåker og vurderer laks på i oppdrettsanlegg. Den planlegger å bruke avansert datasyn og kunstig intelligens-teknologi for å automatisere velferdsovervåking og vurdering av laks. Prosjektet er organisert i fire arbeidspakker.

Work-Package en er fokusert på å utvikle selvlærende algoritmer som automatisk kan oppdage fremtredene trekk ved laks, som øyne, finner og kroppskonturer, fra videostrømmer. Ved å identifisere avvik fra standardutseendet til disse deler, kan systemet oppdage anomalier som kan indikere velferdsproblemer, som øyedefekter, sår eller deformasjoner.

Arbeidspakke to er sentrert rundt bruken av biometriske teknikker for å identifisere individuell laks over tid. Dette gir mulighet for langsiktig sporing av individuell fiskehelse og velferdsstatus, et lovende konsept som betydelig kan forbedre vår forståelse av individuelle og grupperes helsedynamikk i fullskala fiskeoppdrett.

Arbeidspakke tre har som mål å etablere en sammenheng mellom fiskevelferd og ulike miljø- og driftsfaktorer. Ved å bruke AI-resonneringsstrategier vil systemet forsøke å assosiere individuelle fiskeobservasjoner med samlet fiskebestands velvære, miljøforhold og oppdrettsvirksomhet. Denne tilnærmingen kan bidra til å identifisere viktige bidragsytere til fiskehelse og muliggjøre prediksjon av velferdsscore under ulike scenarier.

Arbeidspakke fire er dedikert til eksperimentell validering og evaluering av metodene utviklet i de andre arbeidspakkene. Denne arbeidspakken har også som mål å sikre at metodene og algoritmene som utvikles er biologisk nøyaktige og relevante.

Dette prosjektet representerer et betydelig sprang fremover innen datasyn og akvakultur. Ved å automatisere prosessen med velferdsovervåking, bidrar det til å forbedre helsen og velværet til oppdrettslaks, samtidig som det forbedrer effektiviteten og bærekraften til oppdrettsvirksomheten.

Technology development in cAIge will allow automated, machine-assisted monitoring of fish health and welfare in aquaculture farms at hitherto unprecedented precision levels. This is to be achieved by leveraging advanced AI-based computer vision technology along with individual fish re-identification algorithms for uninterrupted welfare assessment over time. In addition, the relationship between observed welfare status, environmental factors, and farming practices will be integrated into comprehensive models, thereby gaining a better understanding of how these factors interact to shape optimal holding conditions of fish in aquaculture. We emphasize that monitoring the welfare and responses to operational and environmental factors of individual fish over a prolonged period of time represents a significant advancement over the current practice to monitor the fish, thereby enabling researchers in the future to assess fish welfare and behavior on a scale never experienced before.

Computer Vision and Artificial Intelligence based
Salmon Identification and automated long-term
welfare assessment in aquaculture net-pens

Utgangspunktet for prosjektet er økt maritim trafikk i Arktis, og den risikoen det vil medføre dersom uhellet skulle være ute, både for atomdrevne fartøy og fartøy som fører radioaktiv last. Offentlig frykt og angst forbundet med stråling og radioaktiv forurensning vil påvirke risikovurderinger og krisehåndteringer.

Forskningsprosjektet «Collaboration Complexity in Nuclear Emergency Preparedness in the Maritime Arctic», ATOMEX, skal gjennomføres i samarbeid med finske Laurea University of Applied Sciences, og tyske Fraunhofer Center for Maritime Logistics and Services. Direktoratet for strålevern og atomsikkerhet (DSA) og Hovedredningssentralen Nord-Norge (HRS NN) skal, som bidragsytere i samme prosjekt, være med på å utvikle kunnskap om samvirke i komplekse operasjoner.

I ATOMEX skal vi planlegge og fasilitere samvirkeøvelser med mentorer fra DSA og HRS NN, og gjennomføre dem ved NORDLAB, Nord universitetets beredskapsledelse lab. Prosjektet skal forske på ulike øvingsmetoder, utvikling av samvirkekompetanse, delt risikoforståelse, og evalueringsmetoder. Aktører på tvers av organisasjoner og sektorer skal forske på samvirke for felles risikoforståelse og for å øke effektiviteten i koordinering dersom ulykken skulle være ute. I prosjektet skal vi også designe en algoritme-basert modell for å støtte beslutningstaking i komplekse operasjoner i arktiske farvann.

The increased maritime transportation, flow of goods and populations changes the risk picture in the Arctic. A recent sharp increase in nuclear-powered vessels and ships transporting spent nuclear fuel and radioactive materials adds new uncertainties into risk assessments and challenges of inter-sectoral collaboration complexity in case of response to maritime radiation emergencies in the Arctic.
In the research project «Collaboration Complexity in Nuclear Emergency Preparedness in the Maritime Arctic», ATOMEX, we are establishing the international academic interdisciplinary partnership between universities of three countries - Nord University, Laurea University of Applied Sciences and Fraunhofer Center for Maritime Logistics & Services, supported by non-academic stakeholders — Norwegian Radiation and Nuclear Safety Authority and Joint Rescue Coordination Center Northern Norway.
ATOMEX project builds shared knowledge on collaboration competences and risk evaluation within Arctic maritime nuclear preparedness and response operations. The project aims, through case analyses, to generate knowledge-based research on preparedness complexity in the Arctic a shared understanding of risk evaluation between communities, search and rescue and radiation safety authorities, and the maritime industry. The project focuses on exercise methods that can enhance collaboration competences to meet the challenges of emergency response complexity. The project also aims to design a new intelligent algorithm-based model to support decision making in Arctic waters, as well as interactive browser-based data visualization.

Collaboration Complexity in Nuclear Emergency Preparedness in the Maritime Arctic

Kvanteteknologi er et fremvoksende tverrfaglig felt, der matematikere, fysikere, informatikere og ingeniører kombinerer sin samlede kunnskap med mål om å gjøre revolusjonerende vitenskapelige og ingeniørfaglige fremskritt innen vitenskap for å løse viktige samfunns- og industriutfordringer. Sammenlignet med klassiske datamaskiner, vil kvantedatamaskiner kunne redusere regnetiden dramatisk for noen spesifikke oppgaver og dermed være i stand til å løse problemer som tidligere var uhåndterbare. Spesielt vil kvanteteknologi være av avgjørende betydning for utviklingen av en ny æra innen kommunikasjon og kryptografi.

Før potensialet til kvanteberegninger vil kunne realiseres, må imidlertid store teoretiske og teknologiske hindringer overvinnes. Det grunnleggende problemet er at komponentene i en kvantedatamaskin på utilsiktet vis påvirkes av hverandre og av omgivelsene. Dette gjør at man bare kan utføre korte og ufullstendige beregninger, med mindre man finner metoder for å motvirke denne defekten. Sårbarheten for feil er for øyeblikket det største enkeltproblemet som holder kvantedatabehandling tilbake fra å kunne leve opp til forventningene.

Vårt mål med dette prosjektet er å oppnå nye resultater innen kvantefeilkorrigering, med konkrete anvendelser innen overføring av kvanteinformasjon og klassisk informasjon under påvirkning av støy. Ved å dra nytte av økt kompetanse gjennom samarbeid med forsvarssektoren, forventer vi at vår forskning vil gi verdifulle bidrag innen kommunikasjon, kryptografi og cybersikkerhet. Spesielt vil vi, gjennom en gruppeteorisk tilnærming, utvikle nye matematiske metoder for å oppdage, kvantifisere, redusere og korrigere feil i kvantedatamaskiner som oppstår under påvirkning fra omgivelsene. Vi tar blant annet sikte på å finne nye formler for å evaluere ytelsen til krypteringsmetoder under tilstedeværelse av støy, og studere nye måter å måle effektiviteten til kvantefeilkorrigerende prosesser.

Quantum technology is a very active and rapidly expanding field, that has recently attracted a lot of interest from physicists, mathematicians and computer scientists. The power of quantum computers comes from their ability to use quantum mechanical principles such as superposition, measurement, and entanglement. Arguably, one of the most attractive features of quantum computing is that quantum algorithms are conjectured to solve certain computational problems exponentially faster than any classical algorithm. On a practical level, all these new visions are based on the ability to control the quantum states of (a small number of) micro-systems individually and to use them for information transmission and processing. From a more fundamental point of view, quantum communication is based on the application of principles from quantum mechanics in an information theoretical context, formulated in the mathematical language of linear operators and vector spaces.

The goal of the project is to obtain new results in quantum error correction having applications within cryptography and quantum communication based on properties of projective group representations, and by studying new ways of measuring the efficiency of quantum error-correcting processes. In particular, our focus will be on two topics: we first study unitary error bases and frames for quantum systems from a group symmetry perspective, and develop techniques for constructing quantum error-correcting codes. We pay special attention to a class of unitary error bases called nice error bases that come from projective representations of finite groups. Next, we investigate new methods to measure error correction ability for quantum communication channels under the presence of noise. The ability to recover a code under a given noise, subject to various metrics, is then used to give information about the quality of the code.

Groups and error correction in quantum communication (QOMSEC)

Dette prosjektet støtter et doktorgradsprosjekt knyttet til prosjektet PhysML: Structure-based machine learning for physical systems. En av de største hindringene for å anvende maskinlæring på fysiske systemer er mangelen på robusthet og pålitelighet i eksisterende metoder. PhysML vil bidra til å løse denne utfordringen ved å kombinere maskinlæringsmodeller med de geometriske egenskapene til matematiske modeller i et hybrid-analyse-rammeverk som demmer opp for svakhetene ved begge individuelle tilnærminger ved å utnytte deres komplementære styrker. Målet med denne utvidelsen er å koble forskningen som er gjort og metodene som er utviklet i PhysML til anvendelser som er av interesse for det norske forsvarssektoren. Dette vil bli gjort ved å anvende metoder utviklet i PhysML på relevante brukstilfeller, men også ved å utvikle nye metoder som møter behovene til disse brukstilfellene.

Vi sikter mot å bygge på pågående forskning i hybrid maskinlæring ved å inkorporere måleprosessen via forskjellige sensorer som hver kun gir delvis informasjon om systemet og vanligvis betraktes som én enhet. Vi ønsker å studere samspillet mellom sensorer og systemmodellering i læringsprosessen, ved å bygge modulære modeller for sensor- og systemmodellering sammen, som tillater bruk av samme modell selv om tilgjengelige sensorer endres, og dermed oppnå "multimodal strukturinformert maskinlæring" (MMSIML). Dette vil legge til rette for overføringslæring mellom forskjellige sensorer. For eksempel kan en modell trenes med høykvalitetssensorer og deretter brukes med et annet sett med sensorer. MMSIML ville også være stabilt mot manglende sensormodaliteter, noe som kan skje hvis sensorer svikter under produksjon, så lenge den totale informasjonen fremdeles er tilstrekkelig.

The PhysML project will contribute to solving this challenge by combining machine learning models with structure-based mathematical models. This leads to hybrid models that have the flexibility and ability to learn from data that comes with doing machine learning, while also having guarantees of stability and a behavior of the solution that is consistent with the underlying physics. PhysML will work towards two goals: i) Use machine learning to gain physical knowledge about the systems, and ii) use physical knowledge to obtain machine learning models that are open, trustable, robust, and flexible. A fundamental innovation in our approach is to utilize the assumed underlying structures of the system, such as symmetry or preservation of energy, and thus build on the established field called geometric numerical integration, which is the study of how to incorporate such structures in mathematical models. We are seeking funding for a PhD project within physics-informed ML, with applications to sensor data.

We aim to extend ongoing research in hybrid machine learning by incorporating the measurement process via different sensors that each only provide partial information about the system and are typically considered as an entity. We wish to study the interplay between sensors and system modelling in the learning process, building modular models for sensor and system modelling together, allowing to use the same model under a change of available sensors, thus achieving Multi-Modal Structure-Informed Machine Learning (MMSIML). This would facilitate transfer learning between different sensors. E.g., a model can be trained with high-quality sensors and then applied with a different set of sensors. MMSIML would also be stable against missing sensor modalities (in contrast to classical missing data problems), which could occur if sensors fail during production, as long as the total information is still sufficient.

Multi-Modal Structure-Informed Machine Learning

Artificial intelligence for improved measurement of heart function

I dette prosjektet undersøker vi mulighetene som quantum computing har når det gjelder å løse komplekse optimaliseringsutfordringer innen forsvarssektoren. Vårt mål er å utforske ulike områder der quantum computing kan anvendes. Siden målene innen forsvarssektoren skiller seg fra de i industriell sektor krever det videre undersøkelse.

Ved å samarbeide med NeQst ser vi en flott mulighet til å utveksle metoder og teknisk kunnskap, noe som gir gjensidige fordeler. For å oppnå effektiv fremgang, følger vi en smidig tilnærming. Først blir potensielle bruksområder foreslått og vurdert av FFI for å fastslå deres relevans for forsvarssektoren. Deretter vurderer SINTEF egnetheten til disse bruksområdene for kvantealgoritmer. Gjennom iterativ evaluering forkaster vi bruksområder som ikke oppfyller kriteriene, og inkluderer nye for vurdering. Denne prosessen fortsetter til et lite antall sterke kandidater gjenstår, som blir underlagt grundig analyse. Vårt hovedmål er å avdekke potensialet til kvantecomputing for forsvarssektoren, med spesiell fokus på å løse høyeffekts optimaliseringsproblemer identifisert av FFI.

Ved å utforske og forstå kapasitetene til kvantecomputing innen forsvarssektoren, håper vi å bidra til fremskritt som vesentlig kan forbedre forsvarsstrategier og -operasjoner. Dette prosjektet fungerer som et springbrett for å utnytte kraften til kvanteteknologi til fordel for nasjonal sikkerhet og forsvar.

We recognize quantum computing's potential in addressing discrete optimization challenges in the defence sector. This project aims to explore various use cases where quantum computing can be applied, considering that the objectives within the defence sector differ from those in the industrial domain, requiring additional research. The synergy between NeQst and this project lies in the shared methods and technical aspects, offering mutual benefits. Following an agile approach, suggested use cases are assessed for relevance by FFI and suitability for quantum algorithms by SINTEF. Through iterative rounds, use cases that do not meet the criteria are discarded, and new ones are added for evaluation until a few strong candidates remain, which undergo in-depth analysis. The main goal is to explore the potential of quantum computing for the defence sector, focusing on high impact optimization problems suggested by FFI.

Quantum computing for the defence sector

Den foreslåtte forskningen er å studere cyberangrep mot kritisk infrastruktur som påvirker samfunnet og nasjonale funksjoner i fredstid, spesielt telekommunikasjonsnettverksinfrastruktur. Eierne av slik infrastruktur må oppdage, redusere og motvirke angrep for å opprettholde tilstrekkelig og nødvendig funksjon. Målet med denne forskningen er derfor å studere kravene og begrensningene som stilles til operatører både fra et teknisk og også juridisk så vel som etisk perspektiv.
Prosjektet skal utvikle en rekke scenarier i samarbeid med domeneeksperter, og undersøke dagens muligheter til å monitorere, detektere og respondere cyberangrep, herunder nøyaktighet, hastighet, troverdighet i forhold til attribusjon. Mulige svar og mottiltak på hendelser skal først og fremst vurderes innenfor de gjeldende tekniske muligheter og begrensninger, men vi vil se slike svar og mottiltak i sammenheng med gjeldende nasjonal og internasjonal lovgivning, samt etiske utfordringer som følge av effekter og bivirkninger.
Basert på eksisterende operasjonell og juridisk veiledning, skal scenarioer for angrep som berører Network Infrastructure Operators (NIO) deretter vurderes teoretisk og eksperimentelt innenfor rammen av National Cyber Range og Telenors Øvelse Bukkesprang. Scenarier vil inkludere aspekter som angrep og respons som overskrider grensene for NIO-domener og nasjonale jurisdiksjoner, samt effekten av automatisering for både angreps- og responsmekanismer. Et forventet resultat av forskningen vil være et juridisk og operasjonelt rammeverk til håndtering av de eskalerende cyberangrep mot NIOer som sammen med offentlige virksomheter eier, forvalter og regulerer kritisk nasjonal infrastruktur for, basert på en vurdering av effektiviteten til dagens tilnærminger.

The proposed research is to study cyber-attacks against critical infrastructures affecting society and national functions in peacetime, specifically telecommunications network infrastructure. Where such attacks occur, infrastructure operators must detect, mitigate, and counter these to maintain the adequate function of the infrastructure. The objective of this research is hence to study the requirements and constraints imposed on operators both from a technical and also legal as well as ethical perspective.
To this end, several scenarios are to be developed in cooperation with domain experts, and the current state of the art in terms of capabilities for detection and mitigation, including factors such as timeliness, confidence in attribution, and accuracy, is to be examined. Possible responses and countermeasures are to be investigated from first principles within these technical constraints, but particularly in the context of applicable national and international laws. Responses will be examined for ethical challenges posed by the outcomes and side effects of counter- and mitigation measures.
Based on existing operational and legal guidance, scenarios for attacks affecting Network Infrastructure Operators (NIO) are then to be assessed theoretically and experimentally within the framework of the National Cyber Range. Scenarios will include aspects such as attacks and responses transcending boundaries of NIO domains and national jurisdictions, as well as the effect of automation for both attack and response mechanisms. An expected outcome of the research will be a legal and operational framework for NIOs along with public entities managing and regulating critical national infrastructure for the handling of escalating cyber-attacks, based on an assessment of the efficacy of current approaches.

Network Infrastructure Operator Responses to Cyber Attack: 
Legal and Technical Requirements and Constraints

Medisinsk avbildning, og da spesielt MR avbildning, er stadig viktigere innen kreftdiagnostikk fordi det åpner opp for å vurdere hele organer basert på ulike vevsegenskaper i form av kvantitativ, flerdimensjonal og multiparametrisk bildeinformasjon. Klinisk tolkning og evaluering er avgjørende for å sikre den beste oppfølgingen for pasienten. Dette arbeidet gjøres hovedsakelig manuelt og kvalitativt av erfarne radiologer i tråd med standardiserte retningslinjer. Selv om denne praksisen har resultert i forbedret helsetjeneste, er begrensninger at tolkningen er arbeidskrevende og subjektivt, noe som kan føre til under- og overdiagnostikk. I tillegg bidrar faktorer som økende aldrende befolkning og kreftinsidens, økt bevissthet og bredere tilgjengelighet av diagnostisk avbildning, til at mengden bildedata øker eksponentielt. Radiologer er imidlertid tidsbegrensede og kostnadskrevende ressurser som ikke kan skaleres for de forventede fremtidige behovene innen bildetolkning.
Det er derfor et udekket klinisk behov for en optimalisert og automatisert radiologisk arbeidsflyt som er reproduserbar, objektiv, skalerbar og i stand til å utnytte hele spekteret av klinisk informasjon som er innebygd i bildene. Dette har utløst klinisk og kommersiell interesse for beslutningsstøtte basert på kunstig intelligens (KI), spesielt innen prostatakreftbehandling.

CIMORe-gruppen ved ISB, NTNU, har nylig utviklet et banebrytende KI-beslutningsstøtteverktøy som analyserer MR bilder og kliniske data for mer treffsikker påvisning og stratifisering av prostatakreft. I motsetning til «black-box» KI, tilbyr vår tilnærming transparente og forståelige innsikter til klinikere. 

Gjennom kvalifiseringsstøtte fra NFR, har vi utforsket kommersialiseringspotensialet til teknologien, inkludert markedsanalyse og forretningsmodeller, samt tekniske aspekter, interoperabilitet, brukervennlighet og regulatoriske hensyn.Som en del av kommersialiseringsundersøkelsen deltok prosjektet i REACH inkubatorprogram i Silicon Valley, USA, organisert av Nordic Innovation House, Palo Alto, spesielt tilpasset nordiske forskningsprosjekter eller oppstartsbedrifter. På den tekniske fronten har det blitt igangsatt klinisk testing av teknologibevis ved St. Olavs Hospital i Trondheim

PES2020-Prosj.etabl.støtte H2020

Institutions that foster sustainable innovation in a bioeconomy based on green resources

Tildelt: kr 0,20 mill.

Sammendrag

Budsjettformål:

PES2020-Prosj.etabl.støtte H2020

Finansieringskilder

Temaer og emner