Vaikka tieteellinen laskentateho ja -resurssit ovat jatkuvassa kasvussa, tiedonkeruu monissa suuren mittakaavan ongelmissa säilyy tulevaisuudessakin rajoitettuna tai taloudellisesti kalliina. Tämä projekti tutkii bayesilaista koesuunnittelua, joka pyrkii maksimoimaan mitattavan datan informaatioarvon. Kehitämme menetelmiä, jotka pyrkivät ohjaamaan ja tehostamaan laskentaan tarvittavia resursseja erityisesti epälineaarisissa käänteisongelmissa. Projektissa kehitettyjä algoritmeja käytetään koesuunnitteluun MRX-kuvantamisessa, sähkömoottorien rautahävikkimallien validoinnissa sisäisin lämpötilamittauksin sekä sähköisen impedanssitomografian käytössä ihmispään kuvantamiseen.

2022

2026