Danmarks Frie Forskningsfond (DFF) uddeler hvert år en række bevillinger til nogle af landets mest lovende forskningsleder-talenter i programmet Sapere Aude: DFF Forskningsleder. I år har DFF udpeget i alt 36 yngre forskningsledere til at vove at vide, og få mulighed for at gennemføre forskning på højt, internationalt niveau med eget forskningsteam. På AU har i alt syv forskere modtaget en DFF: Forskningsleder-bevilling, og på NAT finder vi tre af bevillingsmodtagerne.

Rent vand

Adjunkt Denys James Grombacher fra Institut for Geoscience modtager 6,1 millioner kroner til projektet ”Finding drinking water in data-poor regions”. Rent vand er en nødvendighed for alle, men verden over er mange henvist til ubehandlet vand fra overfladekilder og vandhuller, med deraf følgende risici for forurening. Projektet skal udvikle og udnytte NMR-teknologi og vil f.eks. munde ud i en række lokaliseringer af sikre grundvandsmagasiner i sårbare afrikanske landsbyer og flygtningelejre.

Beregning af følsom data

Adjunkt Peter Scholl fra Institut for Datalogi fokuserer på de såkaldte følsomme data, der findes overalt i vores dagligdag, lige fra vores banktransaktioner til vores online sociale interaktioner og endda vores medicinjournaler. Kryptografi er et vigtigt redskab til at beskytte data mod nysgerrige øjne. Traditionel kryptografi beskytter dog kun data, når de gemmes eller under transit, og ikke når de behandles. Projektet ”New Directions in Cryptographic Computing and Correlated Pseudorandomness (C3PO)” modtager 6,1 millioner kroner til at udvikle moderne kryptografiske teknikker, kendt som "sikker beregning", der gør det muligt at behandle data, selv når de er krypteret, således at kun det ønskede resultat af beregningen afsløres.

Optimale strategier

Lektor Claudia Strauch fra Institut for Matematik tager udgangspunkt i et spørgsmål fra stokastisk kontrol teori. Det generelle problem kan formuleres som følger: Hvordan skal jeg kontrollere et system, der er påvirket af tilfældigheder for at maksimere min udbetaling? Svaret er ikke lige til at finde, men på basis af en bevilling på 5,7millioner kroner kan projektet ”Learning diffusion dynamics and strategies for optimal control” nu forsøge at benytte metoder fra statistik og state-of-the-art machine learning teknikker og udvikle både en generel teori og konkrete metoder, der kombinerer viden og resultater fra områderne ikke-parametrisk statistik, machine learning og stokastisk kontrol.

Læs mere om bevillinger og forskningslederprogrammet på DFF’s hjemmeside