Af de 18 rejser flest til eliteuniversiteter i England, USA og Tyskland for at hente inspiration og trække ny viden hjem til dansk forskning.
Den internationale erfaring giver et skub til den enkelte forskers karrieremuligheder; og samtidigt tilfører det internationale miljø ekspertise til projekter og resultater, der kan øge gennemslagskraften både nationalt og internationalt.
Bestyrelsesformand David Dreyer Lassen siger:
– Et længere udlandsophold i et nyt miljø kan katapultere en yngre forskers karriere i helt nye og uventede retninger. Man får prøvet sig selv og sine idéer af i fagligt udfordrende og ofte også konkurrenceprægede rammer. På den måde styrker vi det vigtige vækstlag i dansk forskning med nye lovende talenter, der skaber vigtige koblinger mellem danske og udenlandske forskningsmiljøer.
Amerikanske elitemiljøer inden for kunstig intelligens
Forskerne søger blandt andet mod forskningsmiljøer i Tyskland, Sverige og for en stor dels vedkommende mod USA og England.
Massachusetts Institute of Technology (MIT) og Aarhus Universitet tilbyder eksempelvis Nicolaj Nørgaard Mühlbach en unik ramme for at forske i, hvordan kunstig intelligens påvirker social mobilitet. Formålet med projektet er bedre at kunne vejlede samfundets beslutningstagere; hvis effekten af kunstig intelligens er positiv, kan man forbedre børns chancer for at bryde den negative sociale arv ved at give dem incitamenter til at opnå teknologiske færdigheder fra en ung alder.
En anden, der også søger mod MIT er Anders Aamand, der vil studere og effektivisere algoritmer. En algoritme er som en madopskrift, som er så detaljeret og præcis, at den kan følges helt uden kreative indfald fra kokken. En upålidelig algoritme vil give den forkerte rute, ligesom en dårlig opskrift ikke vil resultere i et lækkert måltid. Det er derfor vigtigt, at man kan bevise matematisk, at algoritmerne fungerer, som de skal. Anders Aamand vil optimere allerede eksisterende ”klassiske” algoritmer ved at lære mere om, hvordan deres input ser ud, og netop dette kan machine learning ofte bruges til at finde ud af. Denne brug af machine learning kan give praktiske forbedringer, f.eks. kan effektive algoritmer betyde, at algoritmerne bruger så få beregninger som muligt, hvilket sparer både tid og energi i praksis.
Hvordan bliver biomasse en pålidelig energikilde?
På denne side af Atlanten opsøger Sylwia Emilia Glazowska Düsseldorf University of Science and Technology for at forske i biomasse fra plantecellevægge. Det er en betydningsfuld råvare for fremtidig grønne teknologier, der kan erstatte vores afhængighed af fossile ressourcer. Man kan forestille sig, at plantebiomassen først forbehandles for at øge tilgængeligheden af de forskellige karbohydrater, som nedbrydes til enkelte sukre. Disse sukre kan så igen blive omdannet til andre produkter. Det største minus ved at bruge denne form for biomasse er, at disse cellevægge er svære at nedbryde. Det er denne nedbrydningsproces, Klazowska vil udforske.