Projektet har til formål at reducere informationskløften ved kombinerede oversvømmelseshændelser hvor kyst og flod interagerer, ved at validere DHI's hydrodynamiske modeller for kystområder ved hjælp af højopløselige satellitobservationer af vandstand, vandstandens hældning og oversvømmelsens udbredelse. Disse modeller bruges herefter til at forudsige fremtidige oversvømmelser under hensyntagen af klimaændringer såsom forventede stigninger af havniveauet og ændrede nedbørsmønstre.

En dybere forståelse og sammenhæng mellem bykvalitet, stedslæsning og et bredt aspekt af bæredygtighed er nødvendig for at danne et stærkere fundament for en bæredygtig omstilling af forskellige bytypologier. Dette er nødvendigt for at der kan tages de korrekte beslutninger med henblik på at sikre en lavere CO2 udledning, grønne mobilitet, styrket adfærd i forhold til et bredt aspekt af bæredygtighed samt klimatilpasning, ved udvikling og omdannelse af Aarhus Kommune som et samlet bysamfund.

Denne PhD er et samarbejde mellem ROCKWOOL og DTU Compute. Formålet med projektet er at udvikle både datadrevne og fysikbaserede samplingmetoder for at udvide kapaciteten af ML i produktion samt at etablere en værktøjskasse til regressionsbaseret online aktiv læring. Projektet vil inkorporere mekanistiske indsigter i ML, for at sandsynliggøre effektiv feature-reduktion med høj transparens. Der forventes en betydelig reduktion af energiforbrug, samt muliggørelse af fremtidig autonom produktion.

Øjensygdomme er i global vækst, drevet af bl.a. diabetes. En kritisk flaskehals i diagnosen af disse sygdomme er øjenlægeudstyr baseret på Optical Coherence Tomography (OCT). Dette udstyr er for stort, komplekst og dyrt. Dette forhindrer rettidig diagnosticering og synsredende behandling. Målet for dette projekt er at udvikle et robust, ultrakompakt OCT system, hvilket er blevet muligt takket være innovation inden for laser lys generering, optiske detektorer og avanceret signalprocessering.