Maskininlärning handlar om att skapa datorprogram som kan lära sig att lösa komplexa problem utifrån data. Tekniken har blivit en del av vår vardag genom tjänster som ChatGPT, men den kan också användas inom olika vetenskapsområden.
I min forskning utvecklar jag maskininlärningsmodeller som kan extrahera information från komplexa data och göra statistiska förutsägelser. Ett exempel är väderprognoser: en modell tränas på historiska väderdata och kan sedan generera hypotetiska framtida väderutvecklingar. Prognoserna kan inte bara göras träffsäkra, utan modellen kan också tala om hur säker den är, vilket till exempel möjliggör rationella handlingsplaner vid risk för extremväder. Ett annat forskningsspår är materialvetenskap, där maskininlärning kan tränas på stora databaser av kända material för att sedan generera nya, hypotetiska kombinationer av atomer. På så sätt kan vi snabbare hitta material med unika egenskaper, vilket i förlängningen kan bidra till allt från energilagring till nya metoder för vattenrening.
För mer information om min bakgrund, forskning och forskningsgrupp (på engelska).
