Projektdetaljer

Beskrivelse

I dagligdagen er vi omgivet af cyberfysiske systemer. Disse systemer omfatter software- og hardwarekomponenter, der kommunikerer med og styrer en fysisk virkelighed. Det kan være vindmøller, biler eller noget så vitalt som pacemakere. I disse systemer er brugen af machine learning meget udbredt.

Anvendelsen af machine learning medfører imidlertid en række udfordringer, der kan få fatale konsekvenser, hvis de ikke bliver taget hånd om i tide. Professor Kim Guldstrand Larsen har modtaget en VILLUM Investigator-bevilling på 30 millioner kroner til et projekt, der skal sikre, at cyber-fysiske systemer i langt højere grad opfylder krav til pålidelighed og sikkerhed.

Problemet med machine learning opstår, når systemet udsættes for en situation, der ikke er anvendt i træningsdata. En Tesla kan eksempelvis hamre ind i en vejside, fordi den ikke genkendte de objekter, der var i omgivelserne.

I projektet er målet derfor at kombinere matematisk velfunderede og forståelige teknikker, som kan give absolutte garantier, med maskinlæring. Der skal så at sige sættes grænser for, hvad man kan gøre, når man anvender maskinlæring.
Kort titelS4OS
StatusIgangværende
Effektiv start/slut dato01/01/202131/12/2027

Finansiering

  • Villum Fonden: 30.000.000,00 kr.

Fingerprint

Udforsk forskningsemnerne, som dette projekt berører. Disse etiketter er oprettet på grundlag af de underliggende bevillinger/legater. Sammen danner de et unikt fingerprint.
  • Dual Balancing of SoC/SoT in Smart Batteries using Reinforcement Learning in Uppaal Stratego

    Kristjansen, M., Kulkarni, A., Jensen, P. G., Teodorescu, R. & Larsen, K. G., 16 nov. 2023, IECON 2023- 49th Annual Conference of the IEEE Industrial Electronics Society. IEEE, 10311828. (Proceedings of the Annual Conference of the IEEE Industrial Electronics Society).

    Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceartikel i proceedingForskningpeer review

    Åben adgang
    Fil
    8 Downloads (Pure)
  • Dynamic Extrapolation in Extended Timed Automata

    Jensen, N. Ø., Jensen, P. G. & Larsen, K. G., 9 nov. 2023, Formal Methods and Software Engineering: 24th International Conference on Formal Engineering Methods, ICFEM 2023, Brisbane, QLD, Australia, November 21–24, 2023, Proceedings. Li, Y. & Tahar, S. (red.). Springer, s. 83-99 17 s. (Lecture Notes in Computer Science, Bind 14308).

    Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceartikel i proceedingForskningpeer review

    3 Downloads (Pure)
  • Learning Symbolic Timed Models from Concrete Timed Data

    Dierl, S., Howar, F. M., Kauffman, S., Kristjansen, M., Guldstrand Larsen, K., Lorber, F. & Mauritz, M., 16 maj 2023, NASA Formal Methods: 15th International Symposium, NFM 2023, Houston, TX, USA, May 16–18, 2023, Proceedings. Rozier, K. Y. & Chaudhuri, S. (red.). Springer Science+Business Media, s. 104-121 18 s. (Lecture Notes in Computer Science (LNCS), Bind 13903 LNCS).

    Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceartikel i proceedingForskningpeer review

    1 Citationer (Scopus)