Het AI4Science Lab, opgericht in 2019, heeft als doel wetenschappelijke dataproblemen op te lossen met een moderne Machine Learning aanpak. Het wil patronen ontdekken in de datastromen van experimenten op een breed wetenschappelijk gebied, van ecologie tot moleculaire biologie en van chemie tot astrofysica. Het lab is een gezamenlijk initiatief van de instituten voor astronomie (API), biologie (IBED), chemie (HIMS), informatica (IvI), biowetenschappen (SILS) en natuurkunde (IoP), en het is verbonden met AMLAB, het Amsterdam Machine Learning Lab.

Een schat aan gegevens

Het lab is gevestigd bij informatica instituut IvI waar labmanager dr. Patrick Forré de scepter zwaait. Wetenschappelijk directeur is dr.ir. Bernd Ensing, universitair hoofddocent in molecular simulation of materials and chemistry bij het Van 't Hoff Institute for Molecular Sciences (HIMS).

Dankzij ontwikkelingen als automatisering, high-throughput opstellingen, hoogresolutie apparatuur en snelle netwerken is big data in een breed scala aan experimenten een punt van aandacht geworden. De analyse van deze grote datastromen is vaak een grote uitdaging. De actuele ontwikkelingen op het gebied van kunstmatige intelligentie of AI, artificial intelligence, bieden een overtuigende mogelijkheid om daarbij te helpen. "In het AI4Science Lab ontwikkelen we kunstmatige intelligentie en data-gedreven oplossingen voor wetenschappelijke ontdekkingen in de breedste zin van het woord", zegt Ensing.

Vijf promotie-onderzoeken

Om dit te realiseren heeft het lab vijf promovendi aangesteld van uiteenlopende achtergrond. Sommige van hen hebben een duidelijk AI-profiel, terwijl andere meer geworteld zijn in de traditionele wetenschappelijke disciplines.

Alle vijf zullen moderne AI- en Machine Learning technieken ontwikkelen en toepassen op problemen op totaal verschillende gebieden: het voorspellen van vogeltrek op basis van radiodata (Fiona Lippert, IBED), het verbeteren van strategieën voor chemisch onderzoek en ontwikkeling (Jim Boelrijk, HIMS), het interpreteren van signalen van zwaartekrachtgolven (Benjamin Miller, IoP), het classificeren van radiofenomenen in de ruimte (David Ruhe, API) en het ontrafelen van causale relaties in netwerken van genregulatie (Teodora Pandeva, SILS).