Big Data kan revolutionera forskningen

​Tillgången på stora datamängder och maskininlärning kan vässa forskningen inom alla ämnesområden. Chalmers expertgrupp för forskningstillämpningar har bland annat hjälpt kollegor att upptäcka sprickbildningar i betong, förstå flöden av fotgängare i staden och fordonskomponenter genom leveranskedjan. Hur bär de sig åt?
​Forskargruppen inom betongbyggnad använder artificiell intelligens för att upptäcka och analysera sprickbildning i betongkonstruktioner. De använder sig av digitala tvillingar till befintlig infrastruktur, och de nya metoderna har gjort forskarna till pionjärer på området, i samarbete med Stanford University.
 
För att bemästra de nya AI-metoderna fick de hjälp av Chalmers expertgrupp som bidrar med kunskaper om maskininlärning och hantering av Big Data.
– Det vi ser är ett nytt batteri av metoder som går att tillämpa i forskningsarbetet. För oss är det viktiga att visa för forskarna vad som går att göra och vad det kan bidra med i deras forskning, säger Vilhelm Verendel, enhetschef för expertgruppen Data Science Research Engineers.
 
Allt började 2015. Chalmers hade länge följt utvecklingen inom Big Data och maskininlärning och såg möjligheterna som det kunde ge forskningen inom alla Chalmers forskningsområden. Problemet var bara att insamling, analys och visualisering av stora datamängder är komplext och kräver flera olika sorters kompetens. Sannolikheten att hitta en person som satt inne med all den kunskapen var minimal. Sannolikheten att hitta flera sådana personer – så att enskilda forskargrupper skulle kunna anställa var sin expert – var obefintlig. Lösningen blev att inrätta en expertgrupp som skulle hjälpa forskare över hela Chalmers att lära sig om, och använda sig av, de nya metoderna. Den så kallade Big Data-satsningen initierades av Chalmers styrkeområden, och har ökat både tillgänglighet till och medvetenhet om de möjligheter som finns.
 
– Genom de nya metoderna för att bearbeta stora datamängder kan man dels testa sina hypoteser på nya sätt, dels kan man ha mer explorativa projekt som gör det möjligt att identifiera nya hypoteser och studera helt nya frågor, säger Vilhelm Verendel.
 
På avdelningen för stadsbyggnad är man intresserad av att förstå hur människor rör sig i staden eftersom det påverkar många socioekonomiska processer som till exempel segregation. För att skapa sig en bild krävs att mycket stora datamängder sammanställs. Genom kunskap om hur stadens fysiska struktur påverkar dessa flöden kan man testa samband och på sikt planera och bygga mer hållbara städer.
 
– I dagens samhälle existerar mer data än någonsin, den är tillgänglig för forskare och vi har dessutom verktyg för att både analysera och visualisera den på ett helt annat sätt än vi kunde tidigare, säger Vilhelm Verendel.
– Det innebär att det finns många nya metoder för att hitta mönster i stora, komplicerade datamängder, nästan oavsett vad du forskar om.
 
Framförallt är det tre saker som har gjort de nya metoderna möjliga. För det första digitaliseringen, som innebär att allt fler av våra vardagliga hjälpmedel innehåller en dator som registrerar data. För det andra det faktum att i stort sett alla dessa datorer är uppkopplade mot varandra och kan dela data. Och för det tredje den snabba utvecklingen inom maskininlärning de senaste fem till tio åren.
 
Visualisering baserad på komplexa data och system tjänar ett viktigt syfte: att skapa förståelse och kunskap om världen. Avancerad visualisering har förmågan att sprida kunskap om komplexa system till bredare målgrupper och ge dem verktygen att testa olika samband utan att själva ha kompetenser inom statistik.
 
Intresset från forskarna på Chalmers bara växer. Expertgruppen har hjälpt 30 projekt sedan starten 2015, och i dagsläget får åtta forskargrupper stöd från enheten. Deras kompetens efterfrågas från många olika forskningsområden.
 
De har bland annat bidragit i projekt för att hjälpa transport- och fordonsföretag studera hur produktplaneringsdata och leveransplaner varierar. De har utvecklat visualiseringsverktyg för arkitekturforskarna, och även stöttat en forskargrupp i livsmedelsvetenskap att analysera individers bakteriesammansättning i tarmen i syfte att prediktera hur individer svarar på en specifik kost.
– I början fick vi nästan leta efter projekt där vi kunde bidra, men i vår senaste utlysning kunde vi bara hjälpa 20 procent av de ansökningar som kom in, säger Vilhelm Verendel.
 
I dagsläget håller man på att rekrytera ytterligare två personer för att försöka tillfredsställa behovet, och de kommer även att jobba mer med artificiell intelligens inom Chalmers nya AI-forskningscentrum Chair.
– Det händer nya saker varje dag inom maskininlärning. Om några år har vi ännu bättre kunskap om hur vi ska applicera artificiell intelligens för att kunna analysera all data vi samlar på oss, säger Vilhelm Verendel.
 
 

Förutse logistiska flöden

Tillsammans med fordonsföretag har forskare visualiserat hur produkt- och leveranskedjor varierar, för att skapa verktyg som kan förutse dessa flöden.
– Data Science-experterna har ett starkt intresse och driv att verkligen förstå våra problemställningar och bidra till våra projekt, säger Patrik Jonsson, professor i supply chain management.
 

Analys av kost och hälsa

Bör kostråd anpassas till individnivå? Det studerar forskargruppen inom livsmedelsvetenskap genom att analysera hur individer svarar på en specifik kost.
– Det har varit mycket värdefullt för oss att testa nya verktyg och tillvägagångssätt i dialog med experterna och samarbetet har lett till nya metoder och snabbare tester, säger Rikard Landberg, professor i livsmedelsvetenskap.
 

Visualisera stadens flöden

Genom avancerad visualisering som inkluderar många komplexa data och hur de påverkar varandra, skulle stadsplanerare i framtiden ges kraftfulla verktyg för att bygga hållbara städer.
– Viktigast för vår forskning är gränssnittet som gör det möjligt att testa samband mellan fotgängarflöden och stadens fysiska egenskaper, säger Meta Berghauser Pont, docent i stadsbyggnad.
 
 
Ur Chalmers magasin nr 1 2019
 
Text: Karin Aase
Foto: Johan Bodell

Gruppen Data Science Research Engineers består av enhetschef Vilhelm Verendel, Muhammad Azam Sheikh, Oscar Ivarsson och Rongzhen Chen.


Publicerad: må 01 jul 2019.