De to DTU Compute-adjunkter er blandt de 41 talentfulde forskningsledere, der får penge til deres banebrydende forskningsprojekter.
Fotocredit Claus Lillevang for Danmarks Frie Forskningsfond
Sapere Aude-forskningsbevilling gives til unge forskere, der har præsteret forskning i topklasse. Med bevillingen får forskertalenterne mulighed for at udvikle og styrke både deres forskningsidéer og deres forskningsledelse. Af de 41 bevillingsmodtagere er ni fra DTU, og de to altså fra DTU Compute. Christian Majenz og Dimitrios Papadopoulos skal bruge pengene til at forske i henholdsvis kryptografiske algoritmer (5,6 mio. DDK) og til at etablere et dybere menneske-maskine-samarbejde for computervision (6.2 mio. DDK).
Compute-forskerne er meget taknemmelige for bevillingen.
"Jeg er begyndt som adjunkt på DTU for mindre end to år siden. Jeg er derfor for første gang i gang med at opbygge en forskningsgruppe. Mange forskere har flere gode idéer til forskningsprojekter, end de kan gennemføre selv. Sådan forholder det sig også for mig. Sapere Aude-bevillingen byder på en enestående mulighed for at få nogle hjælpende hænder (eller nærmere hjerner) til at kigge på nogle af de idéer," siger Christian Majenz og suppleres af Dimitrios Papadopoulos.
"Det er en stor ære at modtage Sapere Aude-bevillingen. Bevillingen vil give mig en unik mulighed for at etablere min forskningsgruppe i Danmark og forske på højeste niveau inden for computervision. Jeg glæder mig til fortsat at vokse som forsker og forskningsleder og styrke mit internationale netværk. Sapere Aude vil sætte mig i stand til at fortsætte mine forskningsretninger og søge andre danske og europæiske støtteordninger i fremtiden."
Læs mere om projekterne herunder.
Forskningsleder Christian Majenz
modtager bevillingen til projektet ”Idealized Models for Provably-Secure Practical Post-Quantum Cryptography (IM-3PQC)” Teksten er gengivet efter aftale med Danmarks Frie Forskningsfond.
Hvad handler dit projekt om?
I dette projekt vil jeg, sammen med to ph.d.-studerende, udvikle matematiske metoder for at analysere kryptografiske algoritmer, som for eksempel krypteringsalgoritmer, i en kontekst med kvantecomputere. Metoderne vil vi så bruge til at skrive matematiske beviser for, at nogle vigtige kryptografiske algoritmer, for eksempel digitale signaturalgoritmer og såkaldte hash-funktioner, er sikre, selvom de er under kvantecomputerangreb. På denne måde kan vi bidrage til at forberede IT-sikkerheden på kvantecomputerens tidsalder.
Hvordan opstod din interesse for dit forskningsfelt?
Jeg har altid interesseret mig for matematik og naturvidenskab. Allerede fra skolealderen var jeg fascineret af matematiske metoder og beviser. Mens mit professionelle fokus lå på fysik og især kvanteteori under mit studie og det meste af min ph.d. på Københavns Universitet, begyndte jeg at udvikle en sideinteresse for kryptografi og IT-sikkerhed. Siden da har jeg så forbundet mine interesser ved at forske i kvantesikker kryptografi.
Hvad er de forskningsmæssige udfordringer og perspektiver ved dit projekt?
I dette projekt vil vi bruge matematik, der har været kendt i lang tid, men som ikke er blevet brugt for at analysere kvantesikker kryptografi med. Det ligger i forskningens natur at man, når man begiver sig ud i denne slags nyt terræn, ikke ved helt præcis om eller hvordan, det kan lykkes at nå frem til det ønskede resultat. Det kan endda være, at der bliver brug for at udvikle nye resultater inden for den gren af matematikken, som vi vil bruge for vores analyser.
Hvilke perspektiver vurderer du selv, at din forskning på sigt kan have for det omgivende samfund?
I vores moderne samfund bruger vi utællelige digitale hjælpemidler for at gøre vores liv nemmere. I mange tilfælde er disse hjælpemidler blevet essentiel i en grad, at samfundet ikke kan fungere uden dem længere. Eksempler er f.eks. kortbetaling eller MitID. Alle disse digitale tjenester sikres ved hjælp af kryptografi. Det er derfor helt afgørende, at der fortsat står sikre kryptografiske algoritmer til rådighed, når kvantecomputere på et tidspunkt ville være tilgængelige for f.eks. hackere. Derfor arbejder forskere inden for kryptografi på at stille kvantesikre kryptografiske algoritmer til rådighed og at analysere og teste dem.
Forskningsleder Dimitrios Papadopoulos
modtager bevillingen til projektet “ACHiLLES: ACtive Human Labeling and LEarning Systems for deeper human-AI collaboration” Teksten er gengivet ifølge aftale med Danmarks Frie Forskningsfond.
Hvad handler dit projekt om?
Den utrolige stigning i computersyn og i kunstig intelligens i løbet af det sidste årti er blevet drevet frem af brugen af deep learning-modeller og oprettelsen af datasæt med flere millioner kommenterede billeder. Akilleshælen for avancerede modeller er behovet for enorme mængder data manuelt og passivt annoteret af mennesker for at give etiketter til dem. Denne procedure er et af de vigtigste trin i en maskinlæringspipeline og er kedelig, dyr og følsom over for støj. Målet med ACHiLLES-projektet er at etablere et dybere menneske-maskine-samarbejde for alle stadier af læringspipelinen: For det første vil mennesker assistere maskiner ved at levere etiketter iterativt, og for det andet vil maskinerne hjælpe mennesker, mens de annoterer billeder for aktivt at træne mennesker og for at forhindre menneskelige mærkningsfejl.
Hvordan opstod din interesse for dit forskningsfelt?
Jeg er vokset op med at elske matematik og alt relateret til tal, siden jeg var et lille barn. Det spillede min mor som matematiker nok en rolle i. Jeg opdagede også fotokunsten meget tidligt i mit liv, som er min fars erhverv, og siden er det blevet en af mine største hobbyer. Derfor var det uundgåeligt, at jeg ville forelske mig i computersyn, som er det felt, der grundlæggende kombinerer billeder og matematik. Jeg var meget heldig at opdage computersyn midt i mine bachelorstudier, da jeg arbejdede på mit allerførste visionsprojekt. Jeg fandt det straks meget spændende og interessant på grund af de fantastiske applikationer og deres indflydelse i samfundet. Dette er grunden til, at jeg besluttede at forfølge en ph.d. inden for dette felt og fortsætte med at arbejde i samme forskningsretning indtil nu.
Hvad er de forskningsmæssige udfordringer og perspektiver ved dit projekt?
Hovedmålet med ACHiLLES-projektet er at etablere et dybere menneske-maskine-samarbejde for computervisionspipelines, hvor mennesker og maskiner vil samarbejde på alle trin af læringspipelinen. Hovedudfordringen ved dette projekt er, at udover de metodiske tilgange, som vi vil foreslå, sigter vi mod at validere dem i praksis og vise deres anvendelighed i virkelige scenarier. For at gøre dette planlægger vi at gå ud over standardevalueringsskemaerne for simulerede eksperimenter og udføre crowdsourcing-eksperimenter med rigtige menneskelige annotatorer.
Hvilke perspektiver vurderer du selv, at din forskning på sigt kan have for det omgivende samfund?
Vi lever i en spændende æra for computersyn og kunstig intelligens generelt med fantastiske applikationer og fantastiske gennembrud. I dag bygger vi overvågede deep learning-modeller, som vi anvender til at løse flere problemer i vores samfund lige fra at forstå scener til at bygge biler, der kan køre autonomt til at have applikationer i fjernmåling, der kan hjælpe os med at håndtere flere miljøproblemer som klimaændringer eller genbrug. Jeg forventer, at ACHILLES-projektet vil gå ud over computervision på lang sigt og vil hjælpe med at løse et stort problem med de avancerede modeller, som er den dyre og fejlbehæftede mærkningsprocedure.