Finansiering via Consolidator Grant från ERC
ERC Consolidator Grant riktar sig till forskare, 7–12 år efter avlagd doktorsexamen, som nyligen har startat en forskningsgrupp och vill stärka sin roll som forskningsledare.
Talvikki Hovatta
Projekt: "Particle composition in relativistic jets"
Tidsperiod: 2025 - 2030
Nyhet: Talvikki Hovatta wants to solve a mystery that has plagued astronomers for decades
Mauri Kostiainen
Projekt: "Project: "Multicomponent Protein Cage Co-Crystals."."
Tidsperiod: 2021 - 2026
Mauri Kostiainens profilNyhet: Mauri Kostiainen has received a two million euro grant to study new biohybrid materials
Matti Kummu
Projekt: "SOS.aquaterra - Respecting safe operating spaces: opportunities to meet future food demand with sustainable use of water and land resources".
Tidsperiod: 2019 - 2025
Matti Kummu, biträdande professor i vattenteknik, vill hitta lösningar i forskningsprojektet SOS.aquaterra - Respecting safe operating spaces: opportunities to meet future food demand with sustainable use of water and land resource. Projektet emottog två miljoner euro från ERC Consolidator Grant-programmet. Huvudmålet är att hitta genomförbara och hållbara sätt att möta framtida livsmedelsbehov utan att överskrida vatten- och markresursernas bärförmåga.
Under det femåriga projektet utvecklas nya integrerade modellerings- och analysmetoder för att fullt ut kunna nyttja globala rumstemporala dataset i kombination med resultaten från globala modeller för lantbrukslära och hydrologi.
Anton Kuzyk
Projekt: "Electronically driven DNA-origami-based machines".
Tidsperiod: 2022 - 2027
Anton Kuzyks profilNyhet: Research project develops electrically controlled artificial molecular machines
Jose Lado
Projekt: "Engineering ultra-quantum materials with multiferroic super-moiré heterostructures"
Tidsperiod: 2025 - 2030
Nyhet: Quantum physics professor searches for exotic qubit alternatives with new European funding
Jaakko Lehtinen
Projekt: "Learning Pixel-Perfect 3D Vision and Generative Modeling"
Tidsperiod: 2020 - 2025
Professor Jaakko Lehtinens projekt Learning Pixel-Perfect 3D Vision and Generative Modeling (PIPE) fokuserar på hur modeller som är baserade på maskinseende, maskininlärning och fysik kan kombineras. I projektet utforskas de mest grundläggande frågorna inom forskning i maskinseende, såsom hur vi kan lära en maskin att uppfatta världen på samma sätt som djur och människor gör. Lehtinens arbete kan också användas för att förbättra tillämpningar inom AI, till exempel för att skapa effektivare robotar.