Automatic Tuning of Spin-qubit Arrays

Spin-qubit quantum-dot arrays er en af de mest lovende kandidater til universel quantum computing. Men med størrelsen af arrays er der opstået en flaskehals: At justere de mange kontrolparametre for et array i hånden er tidskrævende og meget dyrt. Den begyndende spin-qubit-industri har brug for en platform af algoritmer, der kan finjusteres til specifik sensing-hardware, og som tillader koldstart-tuning af en enhed.
Verified Voting Protocols and Blockchains

Der er konstant interesse for internetafstemning fra valgkommissioner rundt om i verden. Det er dog ikke let at opbygge et internetafstemningssystem: Designet af nye kryptografiske protokoller er udsat for fejl, og offentlighedens tillid til det valgte organ er let truet. Dette projekt har til formål at forbedre sikkerheden og kvaliteten af internetafstemningssystemet og påvirke reguleringen af minimumskvalitetskrav til blockchains.
Low-Code Programming of Spatial Contexts for Logistic Tasks in Mobile Robotics

Sammen med industrielle partnere vil dette projekt undersøge produktionsscenarier, hvor en maskine kan betjenes af utrænet personale ved at bruge lavkodeudvikling til adaptiv og rekonfigurerbar robotprogrammering af logistiske opgaver.
Trust through Software Independence and Program Verification

Grønlands valglov blev ændret i 2020 og tillader nu brugen af internetafstemning. Dette projekt vil sammen med myndighederne i Grønland undersøge, hvilken effekt programverifikation har på offentlighedens tillid til valgteknologier. Projektet har til formål at bidrage til at gøre internetvalg mere troværdige, hvilket kan styrke udviklings- og post-konfliktdemokratier rundt om i verden.
Multimodal Data Processing of Earth Observation Data

Baseret på observationer af jorden opbygger og vedligeholder en række danske offentlige organisationer vigtige datagrundlag, der bruges til beslutningstagning, fx til at eksekvere miljølovgivning eller træffe planlægningsbeslutninger i både private og offentlige organisationer i Danmark. Dette projekt har til formål at understøtte den digitale acceleration af den grønne omstilling ved at styrke datagrundlaget for miljødata.
REWORK – The Future of Hybrid Work

Hjemme- og hybridarbejde er kommet for at blive, men hvordan skal disse arbejdsmetoder se ud i fremtiden? Skal vi blot forsøge at rette op på det, vi allerede har, eller kan vi være dristigere og udforme en anden slags fremtid på arbejdspladsen? I samarbejde med en række virksomheder søger dette projekt en fremtidsvision, der integrerer erfaringerne omkring hybridt arbejde.
Secure Internet of Things – Risk Analysis in Design and Operation (SIoT)

Dette projekt har til formål at identificere sikkerheds- og sikkerhedskrav til IoT-systemer og udvikle algoritmer til kvantitativ risikovurdering og beslutningstagning, samt skabe værktøjer til at designe og certificere IoT-sikkerhedstræningsprogram, der vil sætte danske virksomheder i stand til at opnå sikkerhedcertificering af deres IoT-enheder, hvilket kan give dem et forspring på et marked, der sandsynligvis vil kræve en sådan certificering i den nærmeste fremtid.
Embedded AI

AI er i øjeblikket afhængig af store datacentre og centraliserede systemer, hvilket nødvendiggør databevægelse til algoritmer. For at imødegå denne begrænsning udvikler AI sig mod et decentraliseret netværk af enheder, der bringer algoritmerne direkte til dataene. Dette skift, muliggjort af algoritmisk smidighed og autonom datadiscovery, vil reducere behovet for høj-båndbreddeforbindelse og forbedre datasikkerhed og privatliv, hvilket letter realtids edge-læring.
HERD: Human-AI Collaboration: Engaging and Controlling Swarms of Robots and Drones

Hvordan kan vi udnytte de potentielle fordele ved at have flere robotter, der arbejder parallelt for at reducere tiden til færdiggørelse? Dette projekt har til formål at adressere samarbejde med flere robotter og designe og evaluere teknologiske løsninger, der gør det muligt for brugere at engagere og kontrollere autonome multirobotsystemer.
EXPLAIN-ME: Learning to Collaborate via Explainable AI in Medical Education

Sammen med klinikere har dette projekt til formål at udvikle forklarende AI, der kan hjælpe medicinsk personale med at træffe kvalificerede beslutninger ved at agere som en mentor, der giver feedback og råd, når personalet træner. Det er vigtigt, at den forklarlige AI giver gode forklaringer, som er lette at forstå og bruge under det medicinske personales arbejdsgang.
