Nye Carlsbergfondet bevillinger til tre IFA forskere
Carlsbergfondet har netop uddelt bevillinger til 188 videnskabelige aktiviteter og herunder til Jesper Olsen, Søren Ulstrup og Anders Nygaard
Lektor Jesper Olsen har modtaget en 2,2 mio KR infrastructure grant til Acceleratormassespektometri – et værktøj til interdiciplinær forskning (AMIR)
Acceleratormassespektrometri (AMS) er et interdiciplinært værktøj, som bruges til at besvare spørgsmål så som: Hvad er solens puls? Hvornår begyndte vikingetiden? Hvornår migrerede mennesker ud af Afrika? Hvad er den tidsmæssige ændring af gletchere? ved at måle isotoperne isotopes af 10Be, 14C og 26Al. Sammen med en divers gruppe forskere ønsker vi, at styrke AMSfaciliteten på Aarhus Universitet.
Lektor Søren Ulstrup har modtaget et 400.000 KR infrastructure grant til Observering af elektroner på nanometer målestok og femtosekund tidsskala
Materialers egenskaber kan kontrolleres ved hjælp af lyspulser ved en varighed på størrelsordnen femtosekunder (0,000000000000001 s). Lys kan ændre et isolerende materiale til et ledende og endda skabe orden ud af uorden på atomar skala. Her vil vi visualisere sådanne faseovergange ved at undersøge dem på nanometerskala og femtosekunders tidsskala med et nyt eksperiment.
Ph.d.-studerende Anders Nygaard har modtaget en 1,2 mio KR Internalisation fellowship grant til Optimering af Kosmologiske Emulatorer: Forbedret Prøvetagning af Træningsdata til Effektiv slutning
Kosmologisk inferens sigter mod at bestemme nøgleegenskaber ved universet, såsom dets ekspansionshastighed, ved hjælp af modeller baseret på fysiske love. Disse modeller er beregningsmæssigt krævende, især for komplekse N-body-simuleringer, der sporer bevægelsen af stof. Maskinlæringsmodeller med evnen til at efterligne resultaterne af disse simuleringer kan hjælpe med at reducere denne beregningsbyrde betydeligt.
Forståelse af kosmologi kræver millioner af modelvurderinger for at sammenligne teori med observationer, men at køre fulde simuleringer er tidskrævende og dyrt. Emulatorer tillader forskere at opnå nøjagtige resultater mere effektivt, hvilket gør storskala projekter, såsom kortlægning af universets struktur, mulige inden for praktiske tidsgrænser.
Emulatorer trænes på et lille sæt af fulde simuleringer ved hjælp af smarte dataudvælgelsesmetoder. I stedet for at køre dyre simuleringer gentagne gange, lærer emulatoren at forudsige resultater for nye scenarier på millisekunder. For højomkostningsmodeller som N-body-simuleringer reducerer dette drastisk beregningstiden, hvilket muliggør hurtigere kosmologiske indsigter.