Miljoner till informationsintensiva system
Hantering av stora datamängder kräver mycket av datatekniken. För att möta några av de tekniska utmaningarna delar SSF nu ut 100 miljoner kronor till fyra forskningsprojekt inom informationsintensiva system.
Detta ramprogram adresserar det problem som allt fler möter idag när de tvingas hantera så stora datamängder att befintlig datateknik inte fungerar särskilt bra. Projekten spänner över fyra skilda tillämpningsområden – visualisering, inbyggda system, läkemedelsutveckling och beslutsstöd, och har inlämnats av forskargrupper vid fyra olika högskolor.
Sammanlagt inkom 45 ansökningar, varav 4 beviljas bidrag om sammanlagt 100 miljoner kronor av SSF:s styrelse. Bidragen delas ut under en femårsperiod med början 2012-01-01.
Följande forskare och projekt får bidrag:
Anders Ynnerman
Anders Ynnerman
Datadriven scenkaraktärisering för realistisk rendering, Linköpings universitet
27 miljoner
Dagens bildtillämpningar producerar mycket stora mängder information. Till och med enkla konsumentkameror har ofta flera olika sensorer som GPS och kompass. I det här projektet använder forskarna ett unikt kamerasystem med en videokamera med högt dynamiskt omfång, så kallad High Dynamic Range, HDR, en avståndskamera samt sensorer som gör det möjligt att noggrant mäta position och orientering.
Projektets data kommer från HDR-bilder samt stora databaser som beskriver geometri och materialegenskaper hos ett mycket stort antal möbler och inomhusdetaljer. Baserat på detta kommer projektet att göra det möjligt att rekonstruera geometrier, materialegenskaper och belysning i en scen. Det resulterar i den virtuella fotostudion, VPS. Till skillnad från vanliga, tvådimensionella fotografier beskriver en VPS den infångade scenen på ett sätt som tillåter betraktaren att se sig omkring, förändra den och att lägga till virtuella objekt med fotorealistisk kvalitet.
Ivica Crnkovic
Ivica Crnkovic
Programvara och arkitektur för högpresterande inbyggda system, Mälardalens högskola
29 miljoner
Utvecklingen av processorer för datorgrafik har gjort det möjligt att bygga mycket högpresterande, heterogena inbyggda system. Detta öppnar för nya produkter som kan processa stora mängder data i realtid och snabbt reagera på ett intelligent sätt. Exempel på sådana produkter är system för fordon och mobila robotar för att undvika hinder. En utmaning för utvecklingen av sådana produkter är hur man ska hitta en optimal arkitektur med avseende på extrafunktionella egenskaper som prestanda, effektförbrukning samt resursutnyttjande för att processa alla sensordata i realtid. Det här projektet utvecklar teorier och metoder för det.
Henrik Boström
Henrik Boström
Dataanalys för detektion av läkemedelseffekter, Stocksholms universitet
19 miljoner
Genom att koppla ihop olika informationskällor för läkemedelsbiverkningar kan kvaliteten på beslutsfattandet inom både läkemedelsindustrin och hälso- och sjukvården förbättras. Det är dock en stor utmaning att analysera dessa typer av massiva, heterogena och ständigt växande datamängder. Det huvudsakliga målet med detta projekt är att utveckla tekniker och verktyg för att stödja beslutsfattande och för upptäckt av läkemedelseffekter genom att analysera patientjournaler, läkemedelsregister, biverkningsrapporter och kemiska data.
David Sands
David Sands
Informationsdrivet, säkert beslutsstöd (Business Intelligence), Chalmers
25 miljoner
Genom projektet utvecklas skalbara systemarkitekturer, algoritmer, metoder och demonstratorer för analys av stora datamängder. Data kommer från öppna källor som internet, sociala medier och från företagsdatabaser, till exempel kundregister. Detta gör det möjligt att utveckla nya former av innovativa samarbeten. Analyserna måste kunna hantera sekretess och frågor om personlig integritet.