IVAs 100-lista: aktuell forskning med potential för nyttiggörande

Vår forskning möter det växande behovet av flexibla och anpassningsbara industriella system och adresserar de ineffektiviteter som uppstår i utvecklingen av komplexa system. COVID-19-pandemin tydliggjorde dessa utmaningar när industrier tvingades att snabbt ställa om produktionen. Genom att kombinera tre innovativa angreppssätt—programvaruproduktlinjer, modellbaserad utveckling och DevOps—stärker vi kommunikationen, möjliggör tidig testning och effektiviserar utvecklingsprocesser. Resultatet är kortare utvecklingstider och lägre kostnader samtidigt som systemens kvalitet och anpassningsförmåga förbättras.

Väldigt mycket i vår vardag är beroende av väldigt tunna skikt av olika material. De tunna skikten bygger upp alla chip i våra datorer och mobiler. De gör att mjölkpaketen håller tätt och att verktyg håller längre. Men tillverkningen av skikten kräver stora mängder energi och material.

Rumsligt fördelad och tidsmässigt dynamisk snöinformation är mycket värdefull för vattenkraftsektorn för att optimera produktionen, undvika vattenutsläpp och säkerställa damsäkerhet. Men en noggrann kvantifiering av snömängden, särskilt i bergsområden, är fortfarande en stor utmaning.

AI:s prestanda är beroende av kvaliteten på dess data. Vid Linköpings universitet undersöks hur syntetiska data kan förbättras för att skapa säkrare och mer inkluderande AI-lösningar. Genom att integrera sociologiska teorier med AI och syntetiska data, leder forskningen vägen för framtidens policy och teknikutveckling.

Vi skapar framtidens arbetsplats där vi kan hantera en bred och diversifierad produktflora inom montering och logistik. Digitala lösningar, maskinseende och AI integreras i planerings- och kvalitetssäkringssystem som fokuserar på operatörernas behov och kompetens.

Upp till 30 % av biomassan utgörs av lignin som idag förbränns. Med vår innovativa processteknologi utvinns ett högkvalitativt svavelfritt och luktfritt lignin med hög renhet och ljus färg från outnyttjad biomassa vilket möjliggör biobaserade material i en rad applikationer. I strävan mot ett mer fossilfritt samhälle har fokus riktats mot biobaserade alternativ.

Vår forskning utvecklar en datadriven metod för att hantera åldrande infrastruktur som broar, tunnlar och dammar. Traditionella metoder är reaktiva och kostsamma, men vi erbjuder en lösning som kombinerar byggnadsteknik, avancerad övervakning och maskininlärning för att förutse skador innan de blir kritiska.

Detta projekt fokuserar på att utveckla ett AI-drivet system för tidig upptäckt och prognos av gallvägscancer, en mycket aggressiv och svårdiagnostiserad sjukdom.

I ett koldioxidneutralt elsystem krävs flexibel elproduktion som kan leverera el när behovet är som störst. Vattenkraft är förnybar och mycket flexibel, men vattenkraftverk utgör samtidigt hinder för levande sjöar och vattendrag. Vi har utvecklat en optimeringsmodell för att bedöma hur olika specifika miljöåtgärder som förbättrar ekosystemen skulle påverka vattenkraftsproduktionen i en älv.

Övergången till ren energi är brådskande, men dagens elnät kan inte hantera den höga volatiliteten hos distribuerade energiresurser, såsom förnybar energi (t.ex. solenergi och vindkraft), elfordon och nya laster (t.ex. väte, värmepump), vilket leder till betydande stabilitetsutmaningar.

Vi undersöker en ny elektrisk maskin utan magneter för framdrivning i elfordon, som kan konkurrera med likvärdiga, kraftfulla men mindre hållbara magnetbaserade lösningar. Inom elektromobilitet är elmaskiner med magneter baserade på sällsynta jordartsmetaller inte rätt väg att gå. Utvinningen av dessa metaller påverkar miljön, leveranskedjan är känslig, och det finns inte tillräckligt med material för alla planerade elfordon.

Minnet och hur dess delsystem implementeras i en mikroprocessor är avgörande för att skala prestanda per watt i framtida chip och datorer. För att vara effektiv måste varje delsystem av minnet vara mycket optimerad, särskilt fler-nivå cache hierarkin och chipets interna kommunikationsnätverk.

Vår forskning syftar till att utveckla metoder för att genomföra rättssäker forensisk talarjämförelse baserat på ljudinspelningar med tal på svenska.

Med ökande energibehov och krav på hållbarhet behöver mera energieffektiva och miljövänliga värme- och kylsystem fås fram som främjar förnybar energi. Smart design, styrning och optimering av termisk energilagring för värme och kyla fokuseras på i KTH-projektet. Integrering av energilager görs i olika skalor för att förbättra systemens effektivitet.

Den tekniska utvecklingen har ersatt plast i olika varor, såsom engångspåsar, bestick, och liknande. Men fler produkter, t.ex. blöjor, bindor och sårförband, består till mer än hälften av olika former av icke-nedbrytbar, absorberande plast. Vårt projekt skapar dessa multifunktionella porösa material med förnybara resurser från livsmedelsindustrin samtidigt som vi använder vanliga bearbetningsmaskiner.

Prehospital akutsjukvård, som utförs av exempelvis ambulanssjuksköterskor, kräver både kognitiva och kliniska färdigheter för att effektivt kunna hantera ett brett spektrum av medicinska nödsituationer. Praktisk träning, ofta med patientsimulatorer som presenterar mänsklig anatomi och fysiologi, utgör en viktig del av utbildningen. Att skapa en realistisk träningsmiljö är dock en utmaning.

DESIRABLE projektet handlar om omvandlingen av avfall från förnybara resurser till nya biobaserade material som dessutom kan återvinnas. Avfallet bränns för närvarande, vilket genererar skadliga utsläpp. Vår innovation erbjuder därför miljövänligt alternativ samtidigt som den främjar en effektiv och hållbar användning av resurser.

I vår forskning använder vi spel för datainsamling inom trafikplanering, för att motverka det låga engagemang och höga kostnader i traditionella metoder som enkäter och experiment. Genom immersiva simuleringar av mobilitetsscenarier skapar vår metod en engagerande och riskfri miljö som fångar spelarnas reaktioner på nya policys eller teknik.

Vi tar oss an utmaningen att hantera stora mängder produktdata utspridda över olika programvaruapplikationer som används under produktutveckling hos många industriföretag. Traditionella metoder för datahantering leder ofta till isolerade datasilos, vilket orsakar inkonsekvent data och samarbetsproblem. Vår innovativa lösning - LynxDesigner - hjälper ingenjörer i deras dagliga arbete att rutinmässigt länka data över applikationer - i realtid.

Blodprovtagning på sjukhus med venpunktion är idag standardmetoden för diagnostik, men det innebär en rad nackdelar. Samtidigt finns det nya medicinska trender: utveckling av decentraliserade applikationer, övergång från kurativ till preventiv vård, utforskning av tidigare outnyttjad biologisk information samt precisionsmedicin. Allt möjliggjort av avancerade analytiska verktyg och provtagningsmetoder.

Global befolkningstillväxt, ojämn fördelning av vattenresurser förstärkt av klimatförändringar och industriell utveckling orsakar en kraftig ökning av efterfrågan på sötvatten. Kaviterande mikrobubblor är en ny, ekologiskt och ekonomiskt effektiv, kemikaliefri metod för att rena vatten från PFAS, bakterier och läkemedelsrester.

Detta forskningsprojekt tar precisionsjordbruket in i framtiden med AI, drönarteknik och avancerad sensorteknik för tidig identifiering av invasiva arter i spannmålsfält. Identifiering i tidiga växtstadier och noggrann urskiljning av de invasiva arterna från grödorna i fältet är avgörande för att jordbrukare kan agera ekologiskt precist, minska kemikalieanvändningen och skydda både skörd och miljö.

De flesta hudvårdsprodukter fungerar inte som utlovat; endast 1–5 % av de aktiva ingredienserna tränger genom hudens yttersta lager. Detta begränsar intressanta behandlingar som genterapier eller mRNA-baserade krämer för åkommer som eksem eller hudåldrande, vilket då resulterar i ineffektiva resultat och höga kostnader.

Orb DB har utvecklat en AI-baserad sökmetod för grafdatabaser som gör det möjligt att få mer pålitliga resultat i kritiska samhällsfunktioner som sjukvård, telekommunikation och stadsplanering. Genom att kombinera traditionella sökmetoder med AI-driven uppskattning kan användare nu söka och bearbeta data med en anpassningsbar felmarginal, vilket gör beräkningarna både flexibla och tillförlitliga.