ÌÇĐÄÍűÒł°æ

15 oktober 2024

Under hösten 2024 stod Linköpings universitet återigen värd för ELLIITs fem veckor långa fokusperiod. Det ambitiösa gästforskarprogrammet siktade den här gången på större bredd inom det tvärvetenskapliga med årets tema maskininlärning för klimatvetenskap.

Deltagare lyssnar pÄ föredrag.

Konceptet som fokusperioderna följer började redan under tidigt 2010-tal på Institutionen för reglerteknik vid Lunds universitet. Lund, som är en av ELLIITs akademiska parter tillsammans med Linköpings universitet, Högskolan i Halmstad och Blekinge Tekniska Högskola, lyfte senare in konceptet till ELLIIT där det anammades som ELLIIT Focus Periods.

Maskininlärning för klimatvetenskap

Ämnet för höstens fokusperiod är maskininlärning för klimatvetenskap och pågår i Linköping mellan 23e september och 25e oktober. Syftet är att samla forskare med olika bakgrund för att lägga grunden till ny forskning om hur maskininlärning kan användas för att hantera kritiska problem inom klimatvetenskap. Något som för närvarande saknar tillfredsställande lösningar.

Ett antal internationella forskare som är intresserade av dessa forskningsutmaningar har bjudits in att delta och att interagera med ledande forskare, samt ELLIIT-forskare. Under fokusperiodens tredje vecka gick även det sedvanliga tre dagar långa symposiet av stapeln, med flera inbjudna toppforskare inom området. Symposiet är höjdpunkten av den fem veckor långa fokusperioden med syftet att samla forskare som delar ett intresse för maskininlärning inom klimatvetenskap i allmänhet, och maskininlärningsförstärkt modellering och analys av klimat- och vädersystem i synnerhet.

Relevant område

Fredrik Lindsten och Michael Felsberg hÄller öppningstal.
Ansvariga för höstens fokusperiod vid Linköpings universitet är Fredrik Lindsten, biträdande professor i maskininlärning, och Michael Felsberg, professor i datorseende.

– Det är många som har kommit fram och sagt att de uppskattat symposiet, att det funnits ett tydligt fokus och att man har kunnat ha givande vetenskapliga diskussioner med i princip samtliga deltagare. Jag var inte helt säker på att det skulle bli så eftersom vi dels hade deltagare som var tydligt ifrån "ena sidan", maskininlärning eller klimat, och dels täckte ett ganska brett spektrum av frågor inom klimatvetenskap. Men det var tydligt att många kunde mötas i ett gemensamt intresse för att använda maskininlärning inom det här tillämpningsområdet, säger Fredrik Lindsten.

Michael Felsberg avslutar med att aktualisera valet fokusperiodens ämne.

– Jag tycker denna fokusperiod fungerar utmärkt bra, forskarnas bakgrund överlappar mer än vad jag förväntade mig och som resultat blir det intensiva och effektiva diskussioner. Händelser i världen, Nobelpriset i fysik och ovädret i Florida, visar på relevansen och bekräftar metodvalet som vi gjorde med valet av temat "AI for climate".

Gästforskare som deltar i fokusperioden kommer även att hålla offentliga seminarium på Campus Valla. Seminarierna är öppna för alla och ingen registrering behövs.

Se hela det detaljerade programmet på .

Kontakt

Relaterat innehåll

Läs mer om ELLIIT

Senaste nytt från LiU

En grupp mÀnniskor som sitter vid ett bord framför en folkmassa.

Deltagare i FN:s klimatmöten vill se större fokus på genomförande

FN:s klimatförhandlingar kritiseras ofta för att gå för långsamt. En ny studie undersöker vilka förändringar delegater och deltagare vid klimatmötet COP29 vill se. Resultaten visar ett starkt stöd för bättre uppföljning av ländernas klimatåtaganden.

Studenter sitter vid bord med datorer i biblioteket.

Rekordstort intresse för Linköpings universitet när antagningen är klar

Linköpings universitet fortsätter att vara ett av Sveriges populäraste lärosäten. Över 52 600 personer sökte till höstens program och fristående kurser. Av dem har 19 250 personer nu  fått positiva besked.

Neil Lagali vid utrustning för att undersöka ögonen.

Ögonproblem efter covid-19 kan nu förklaras

Mild covid-19 kan ge svåra och långvariga ögonproblem, visar en studie från Linköpings universitet. Studien förklarar också varför det har varit svårt för drabbade att få hjälp. Avvikelserna upptäcks nämligen inte med standardmetoder.