Multimodal maskininlärning hjälper industrin att ligga steget före

När började du din tjänst som industridoktorand? 

Jag började i november. I början har jag ägnat en stor del av min tid åt att sätta mig in i den forskning jag kommer att fokusera på under min doktorandtid. Jag är anställd av RISE och kommer att arbeta med företag som Valmet. Min forskning handleds av professor Jan Lundgren vid Mittuniversitetet.

Kan du berätta lite om din bakgrund?

Jag är ursprungligen energiingenjör, jag tog min kandidatexamen vid universitetet i Rom Tor Vergata, och för min masterexamen var jag en del av ett nordiskt masterprogram som innebar studier vid två nordiska universitet. Jag tillbringade ett år på Reykjaviks universitet på Island och avslutade mitt sista år på Chalmers tekniska högskola i Göteborg. Det var där jag träffade min fru. När hon fick jobb i Sundsvall flyttade vi till Västernorrland.

Här har jag arbetat som forsknings- och utvecklingsingenjör på Agtira (som då hette Peckas Naturodlingar), ett företag som på min tid fokuserade på akvaponik, men som nu utvecklar skräddarsydda växthussystem med avancerad teknik för att butiker ska kunna erbjuda närodlade grönsaker året runt. Jag har även haft samma roll på Absolicon, ett företag som specialiserat sig på solvärme och fjärrvärme.

Vad kommer din forskning som industridoktorand att handla om?

Trots att jag har en bakgrund inom energiteknik upptäckte jag tidigt att jag har en passion för programmering. Jag har tagit initiativ till att lära mig programmering, AI och maskininlärning – och det kommer att vara fokus för mina doktorandstudier.

Min forskning fokuserar på något som kallas multimodal maskininlärning. Det handlar om att kombinera data från olika typer av källor – som ljud och bild – för att använda maskininlärning för att till exempel identifiera när en maskindel behöver bytas ut. Det är en av många möjliga tillämpningar av multimodal maskininlärning.