IRS TransTech | 2024 |

International Research School in Transformative Technology är ett viktigt inslag i vår strategi att bygga starka internationella nätverk för forskningsmiljön för transformativ teknik och våra forskningscentra STC, FSCN och STRC vid Mittuniversitetet (MIUN). Vi förväntar oss att utbytet av doktorander ytterligare kommer att fördjupa de samarbeten vi inlett genom gästprofessorer med utvalda strategiska partners och akademiska institutioner.

IRS TransTech kommer utmana deltagande företag att ta till sig transformativa FoU-metoder och processteknologier för förbättrad effektivitet, snabbare utveckling och mer agil verksamhet. Det gemensamma temat för forskarskolan är utvalda transformativa teknologier för affärsprocesserna från forskning till produktionsprocess till produktutveckling. Förväntningen är att företag ska kunna accelerera innovationer med hjälp av dessa teknologier.

Målet är att alla deltagare, universitet och företag ska lära sig och dra nytta av denna omvandling och främja den i sin verksamhet. Forskningen i doktorandprojekten tar upp följande transformativa forskningsfrågor:

• Inbäddad AI i IoT-system - Var och hur är den optimala implementeringen av CNN-modeller i ett IoT-sammanhang med avseende på latens/genomströmning, nodenergi och systemkomplexitet?
• Triboelektrisk partikelfiltrering - Hur ska det effektiva triboelektriska filtermaterialet utformas för att ge överlägsen partikelretention vid lägsta möjliga tryckfall?
• AI-baserad mätning - Hur ska djupinlärningsmetoder integreras i mätsystem och samtidigt vara en drivkraft för förbättrad mätning av virke och möjliggöra spårbarhet av timmerstockar?
• Långsiktiga tillämpningar för vibrationsenergiskörd - Hur kan befintlig elektromagnetisk skördare konstrueras med fokus på långsiktig tillförlitlighet?
• Intelligenta och förutsägbara självhanterade trådlösa IoT-nätverk - Hur kan förutsägbar och konsekvent nätverksprestanda uppnås med handlingsbar intelligens, som också reagerar dynamiskt på förändringar i nätverksförhållanden och användarefterfrågan?
• Kontinuerligt lärande på enheten för inbyggda system med låg effekt - Hur utvecklar man metoder för implementering av kontinuerligt lärande baserat på tidsseriedata i inbyggda system?
• Emissionsfri massa med joniska vätskor och mekanisk raffinering - Hur utvecklar man kemiska processimuleringsverktyg för ett radikalt nytt milt massakoncept baserat på joniska vätskor (IL) och mekanisk raffinering?
• Lättviktssystem för intrångsdetektering för lågeffektsenheter - Hur kan lätta IDS-lösningar baserade på artificiell intelligens/maskininlärning (AI/ML) användas för att förbättra designen och utvecklingen av säkerhetskänsliga enheter?

Dessa åtta doktorandprojekt är kärnan i forskningen. IRS TransTech kommer dock att ha ett tvärdoktorat projekt för att övervaka och analysera projekten för deras potentiella inverkan på affärs- och utvecklingsprocessen för nya produkter ur affärssektorns perspektiv.