Huippuyksikön tuoreen johtajan, professori Samuel Kasken, tavoite on tehostaa tiedettä koneoppimisella
Koneoppimistutkimuksella voidaan tehostaa tiedettä esimerkiksi yhdistämällä uusia tutkimustuloksia aikaisempiin löydöksiin niiden tietoaineistoja mallintamalla.
- Molekyylibiologia on esimerkki empiirisestä, datalähtöisestä tieteestä, jossa tutkimustuloksia suhteutetaan tällä hetkellä toisiinsa pääasiassa niistä kirjoitettujen artikkelien avulla. Olisi hienoa, jos mittausaineistot saisivat puhua enemmänkin puolestaan, ja siihen tarvitaan mallintamista. Näytimme, että relevantit tutkimukset löytyvät aineistoja mallintamalla paremmin kuin avainsanahauilla. Mallintamisen perusteella huomattiin myös joukko artikkeleita, joiden tunnisteet tietokannassa olivat väärin, ja muilla hakumenetelmillä olisi siis löytynyt väärä aineisto, Kaski kuvaa.
Professori Kasken työ on tällä hetkellä yhdistelmä omaa tutkimustyötä sekä huippuyksikön ja tutkimuslaitoksen johtamista.
- Professorin työssä näyttää olevan erityyppisiä vaiheita. Nyt kesään asti johtamistyötä on vähän enemmän, mutta tutkimus ei saa tietenkään koskaan katketa, Kaski kertoo.
Samuel Kaski nimitettiin Laskennallisen päättelyn huippuyksikön (COIN) johtoon helmikuun alussa. Johtajavaihdos suunniteltiin jo huippuyksikköä perustettaessa kolme vuotta sitten. Samuel Kaski johtaa huippuyksikön lisäksi Tietotekniikan tutkimuslaitosta (HIIT), jossa hänen viisivuotiskautensa päättyy elokuussa. Kaski on virkavapaalla omasta professuuristaan Tietotekniikan laitoksella.
Katso video Laskennallisen päättelyn huippuyksiköstä:
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Tutustu meihin: Professori Maria Sammalkorpi
Sammalkorpi on väitellyt tohtoriksi Teknillisestä korkeakoulusta vuonna 2004. Väiteltyään Sammalkorpi on toiminut tutkijana mm. Princetonin ja Yalen yliopistoissa sekä Aalto-yliopistossa.
Fyysikot saivat bakteerit uimaan lähes täydellisissä riveissä
Bakteerien ohjaaminen onnistui magneettikentän avulla. Löytö auttaa ymmärtämään bakteeripopulaatioiden käyttäytymistä ja voi jatkossa auttaa esimerkiksi kehittämään uuden sukupolven materiaaleja, joista kaavaillaan apua muun muassa lääkkeiden kohdennettuun kuljettamiseen kehon sisällä.
Tutkijat loivat ainutlaatuisen ennustemallin kuvaamaan pandemian leviämistä maiden rajojen yli
Pohjoismainen yhteishanke pureutui koronaviruksen leviämiseen vuonna 2020. Tutkimuksen avulla voidaan jatkossa ennakoida paremmin, milloin ja mitkä matkustusrajoitukset ovat pandemiaolosuhteissa tarkoituksenmukaisia.