Spetsforskningsenheten ledd av professor Vehkamäki heter Virtuaalinen laboratorio ilmakehän molekyylitason reaktioille ja faasimuutoksille (virtuellt laboratorium för reaktioner och fasförändringar på molekylnivå i atmosfären).
Forskningen mäter och modellerar molekyler i atmosfären, vilka kan kondenseras till partiklar. Forskningsresultaten som fåtts nyligen på SMEAR-stationen påvisade att gaser från t.ex. växter skapar småpartiklar, som i sin tur kondenserar molnens vattendroppar.
Artificiell intelligens förnyar modellering av molekylmätningar
Forskningen i det virtuella laboratoriet utnyttjar både fysik- och kemimetoder samt specialkunnande i maskininlärning.
– En central idé är att bygga en helhet av virtuella instrument och modeller. Med hjälp av maskininlärning och artificiell intelligens kan man kombinera mätningar från olika instrument och efterlikna modellernas funktion – allt som händer innan vi har ett mätningsresultat och insikt om vad det betyder, säger Vehkamäki.
Genom jämförelser kan man utreda vilka mera exakta mätningar eller kalkyler vi borde göra. Det är viktigt att förutse sådant, eftersom det tar mycket tid och pengar att göra både mätningar och datorkalkyler på molekylnivån, och man borde undvika dem om vi inte vet om de kommer att vara till nytta.
– Vissa datorkörningar har kunnat ta upp till sex år. Instrumenten är också dyra, så de måste användas ändamålsenligt. Vi strävar efter att mäta och modellera mera effektivt, säger Vehkamäki.
I projektet deltar utvecklare av metoder för artificiell intelligens, såsom biträdande professor Kai Puolamäki och forskaren i maskininlärnings-materialfysik, biträdande professor Patrick Rincke från Aalto-universitetet.
Projektet kommer också att anställa doktorander och postdoc-forskare.
– Alla kommer att få två handledare med olika kunskapsprofiler. På så vis utbildar vi mångvetenskapliga forskare från början, säger Vehkamäki.
Specialkunnande skapas då vi lär oss förstå varandra och olika världar
Detta är fortfarande ett pilotprojekt för den nya forskningsmetoden. Så nya idéer kräver flera år av utvecklingsarbete, eftersom det inte finns några färdiga lösningar, utan vi måste utveckla allt från början.
– Det är bättre att utveckla forskningsmetoder själv, för man kan inte utgå ifrån att andra skulle utveckla artificiell intelligens som kan anpassas till våra forskningsproblem, säger Vehkamäki.
Samordningspotentialen för mätningsresultaten utnyttjas sällan i forskningen, trots att man kunde finna nya forskningsmetoder på det viset.
– Någon annan allmän forskningsmetod än de som nu används kunde kanske ge mera exakta resultat, men det kan vi inte veta med säkerhet innan vi kan jämföra forskningsresultat under kontrollerade omständigheter, säger Vehkamäki.
Hon påminner oss om att det inte går att upptäcka de främsta forskningsinriktningarna under total kontroll, utan nya möjligheter uppstår via försök och misstag.
– Då vi växer tillsammans finner vi innovativa lösningar. Finansieringen från Akademin gör det möjligt att långsiktigt testa och utveckla nya idéer tillsammans, säger Vehkamäki.
I spetsforskningsenheten ingår förutom Vehkamäki även Arkke Eskola, Juha Kangasluoma, Theo Kurtén, Kai Puolamäki och Mikko Sipilä från Helsingfors universitet.