Helsingin yliopiston matemaattis-luonnontieteellinen tiedekunta on mukana neljässä Business Finlandin uudessa Näytön paikka -hankkeessa. Näytönpaikka -haussa Business Finland tukee suomalaisista tutkimusorganisaatioiden uusia tutkimusideoita, joilla nähdään merkittävää liiketoimintapotentiaalia.
Kaikkiaan hankkeita rahoitettiin kuusi joista matemaattis-luonnontieteellinen tiedekunta vetää yhtä ja on mukana kolmessa muussa. Kaksi rahoituspäätöksistä liittyy myös suoraan Kumpulan kampuksen uuteen Kumpula Materials Innovation Park -tutkimusinfrastuktuuriin. Ensimmäisen vaiheen rahoitus on kolmeksi vuodeksi.
Viipalekuvausta parannetaan matematiikalla
Helsingin yliopiston vetämässä TomoHQ-hankkeessa kehitetään tapoja parantaa sairaaloissa käytössä olevaa tomografiaa eli viipalekuvausta. Hankkeessa ovat mukana myös Aalto-yliopisto, Ilmatieteen laitos, Itä-Suomen yliopisto, LUT-yliopisto ja Oulun yliopisto.
Ajatuksena on saada tarkkoja viipalekuvia aiempaa heikompilaatuisista kuvista inversiomatematiikkaa hyödyntämällä. Tämä mahdollistaisi nykyistä röntgenkuvausta halvempia ja kudoksille vähemmän haitallisia menetelmiä, kuten magneettikenttiä, näkyvää valoa, sähköä tai näiden yhdistelmiä. Uudet tekniikat mahdollistavat 10 000 kertaa nykyistä tarkemmat kuvat ja esimerkiksi aivohalvauksen kuvantamisen sähköisesti.
Lääketieteen lisäksi menetelmiä voisi käytää esimerkiksi materiaalitutkimukseen ja sekä kasvihuonekaasujen ja saastepäästöjen valvontaan.
Hankkeen vastuututkija, teollisuusmatematiikan professori
- TomoHQ-projekti vie löydöksiä käytäntöön lääketieteessä ja ympäristöteknologiassa, luoden sitä kautta uusia tieteellisiä kysymyksiä.
Kymmenvuotinen hanke sai rahoitusta noin viisi miljoonaa euroa, josta hanketta koordinoivan Helsingin yliopiston matematiikan osaston osuus on noin 1,4 miljoonaa euroa.
Kvanttilaskentaa hyödynnettäväksi jo nyt
VTT:n, Helsingin yliopiston, Jyväskylän yliopiston ja 22 yrityksen yhteinen UnLoQ-hanke kehittää ohjelmistoratkaisuja, joiden avulla kvanttilaskentaa voidaan hyödyntää jo kohinaisilla, eli epäluottevasti laskevilla kvanttilaitteilla.
Tavoitteena on kehittää valmiutta hyödyntää kvanttilaskentaa suurteholaskennan parina jo vaiheessa, jossa kvanttitietokoneiden kehitys on vielä käynnissä. Helsingin yliopiston tietojenkäsittelytieteen osasto vetää hankkeen algoritmien ja ohjelmistomenetelmien työpakettia yhdessä Jyväskylän yliopiston kanssa.
UnLoQ sai rahoitusta neljä miljoona euroa, josta Helsingin yliopiston osuus on noin 800 000 euroa.
Tekoäly nopeuttaa uusien materiaalien kehitystä
VTT:n ja Helsingin yliopiston kiihdytinlaboratorion yhteisessä RADIANT-hankkeessa etsitään tapoja hyödyntää tekoälyä uusien materiaalien kehityksessä. Tarkoituksena on kehittää menetelmä, jossa tekoäly ei arvioi ainoastaan valmistettavien materiaalien ominaisuuksia vaan myös valmistusprosessia ja kustannuksia.
Hanke yhdistää tekoälyn, itseohjautuvat laboratoriot, korkean suorituskyvyn laskennan ja nopeatoimiset valmistus- ja testausmenetelmät yhtenäiseksi alustaksi. Alustalla voidaan valmistaa ja analysoida yli 100 000 uutta materiaalivariaatiota ensimmäisen vaiheen aikana.
Nykyiset materiaalikehityksen syklit kestävät tyypillisesti 5–7 vuotta. RADIANT tähtää lyhentämään tämän ajan kuukausiin. Hanke keskittyy neljään Suomelle strategisesti tärkeään alueeseen: energiamurrokseen, vetytalouteen, kvanttimateriaaleihin ja kriittisten raaka-aineiden korvaamiseen.
Hanke sai rahoitusta noin kuusi miljoonaa euroa, josta Helsingin yliopiston osuus on noin kolme miljoonaa euroa.
Tekoälymalli tehostamaan terveydenhuoltoa
Aalto-yliopiston, Helsingin yliopiston ja Turun yliopiston yhteisessä FINe-Health Foundry -hankkeessa kehitetään valtakunnallinen terveydenhuollon perusmalli, jonka tavoitteena on tehostaa terveydenhuollon päätöksentekoa merkittävästi.
Helsingin yliopistolta hankkeessa on mukana tutkijoita matemaattis-luonnontieteellisestä tiedekunnasta sekä FIMM – Suomen molekyylilääketieteen instituutista.
Terveysdatan pirstaleisuus ja tietojärjestelmien tehottomuus hidastavat päätöksentekoa niin potilaiden, terveydenhuollon toimijoiden kuin koko väestön tasolla. Kehitettävä malli mahdollistaa reaaliaikaisen kliinisen päätöksenteon tuen, potilaalle kohdennetun ennaltaehkäisyn ja tulevaisuuden suunnittelun entä jos -analyysien avulla.
Mallin avulla voidaan nopeuttaa lääketieteellistä tutkimusta, vähentää tarpeettomia hoitoja ja rakentaa näyttöön perustuvaa terveyspolitiikkaa. Tietojenkäsittelytieteen osaston tutkijoiden tehtävä on kehittää hankkeen tarvitsemia koneoppimisen ja tekoälyn työkaluja.
FINe-Health Foundry sai rahoitusta 4,8 miljoonaa euroa, josta Helsingin yliopiston osuus on noin 2,6 miljoonaa euroa.