Shampoo, vaskemidler og lignende forbrugsvarer skal gøres mere bæredygtige i endnu højere fart. Fælles for dem er, at de indeholder tensider, der hjælper med at give produkterne deres særlige egenskaber. Tensider er i dag primært baseret på palmeolie og fossil kemi, men hos NorFalk udvikler vi nye tensider ud fra mere bæredygtige kilder. Udvikling af nye tensider er i dag meget tidskrævende, så derfor vil vi undersøge kunstig intelligens som en hjælp til at sætte turbo på udviklingsprocessen.

Dette projekt har til formål at forbedre forståelse og inklusivitet ved kommunikation og interaktion mellem tværkulturelle brugere i virtuelle og hybride møder ved at støtte dem gennem et håndgestus-ordforråd. Vores hypotese er, at det er muligt at bruge maskinlæring til at identificere et ordforråd af fælles håndbevægelser på tværs af verdensbefolkningen, som kan fremme global standardisering for nye samarbejdsværktøjer og -systemer.

Projektets mål er at tilpasse de nyeste transformer-baserede neurale netværk til at virke på kompleks sundhedsdata, med målet om at forudsige komplikationer efter operationer. Disse modeller har haft kæmpe succes i analyse af fri tekst, men der er stadig udfordringer ift. mere kompleks data, såsom numeriske målinger (fx blodprøver). Modeller, der kan udnytte den fulde dybde i kompleks data til at lave forudsigelser har et kæmpe potentiale.

Acute myeloid leukemia (AML) is a disease with a significant unmet need for new treatment options. In response to this, Evaxion has identified endogenous retroviruses (ERVs) as a novel antigen source for treating AML. Using Evaxion's AI-immunology™ platform, we have designed a human vaccine candidate based on ERV targets. This project will focus on preclinical testing of the ERV vaccine, moving it towards clinical trials, with the goal of bringing new treatment options to AML patients.