Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
Data-driven Image Reconstruction in Computed Tomography
No full textThis thesis focuses mainly on improving the quality of reconstruction in computed tomography (CT), which is an imaging techniquethat aims to reconstruct the interior of an object from a set of X-ray projections obtained from different viewpoints. Mathematically, this is an inverse problem that is often ill-posed and, therefore, requires some sort of regularization. Recently, this research field has been dominated by data-driven approaches, and this thesis is not an exception. In contrast to model-based methods that assume that a reconstructed object possesses certain predefined properties, data-driven methods use the statistical information obtained from a set of similar objects to improve reconstruction of a new object from the same class. The recent development of computer hardware has allowed us to extract and store this statistical information from a large set of samples, and thereforeis responsible for the increased popularity of these methods. However, the problem with these approaches is that the most efficient of them, such as deep neural networks, lack interpretability, and their extraordinary empirical performance is not fully justified from the theoretical perspective. Another big challenge concerning CT in particular is to move from methods that perform very well on toy experiments conducted on simulated low-dimensional data to methods that could be used in real-life applications, such as medical imaging. This thesis explores several directions that could potentially address the above issues. The first is data-driven optimization that can be used to reduce the number of iterations needed to obtain the final reconstruction when it is defined as a solution to an optimization problem. Such optimization problems appear within a classic regularization framework. Next, we revisit dictionary learning, which can be seen as a predecessor to data-driven methods that go under the caption “deep learn-ing”. The advantage of dictionary learning is in its relative mathematical simplicity and interpretability. We see this as a bridge between well-understood but somewhat limited model-based approaches and a black-box paradigm of deep learning. Since reconstruction using learned dictionaries is defined as an optimization problem, data-driven optimization comes in useful here as well. Finally, this thesis addresses the problem of upscaling state-of-the-art deep learning architectures so that they can be applied to clinical CT data. We show that certain modifications in the architecture combined with engineering techniques allow us to do that without relyingon super-computing resources.Avhandlingen fokuserar huvudsakligen på att förbättra rekonstruktionskvaliteten inom datortomografi (DT), vilket är en avbildningsteknik som syftar till att avbilda insidan av ett objekt från en uppsättning genomlysningsbilder som fås genom att belysa objektet med röntgen från olika riktningar. Matematiskt sett svarar detta mot ett illaställt inversproblem. För att hantera illaställdheten krävs regularisering. På senare tid har detta forskningsområde dominerats av data-drivna metoder, och denna avhandling är inget undantag. Till skillnad från modellbaserade metoder, som antar att objektet som avbildas har vissa fördefinierade egenskaper, bygger data-drivna metoder på statistisk information erhållen från en uppsättning liknande objekt för att förbättra rekonstruktionen av ett nytt objekt från samma klass. Den senaste utvecklingen inom datorhårdvara har gjort det möjligt att extrahera och lagra sådan statistisk information från stora mängder data och är därmed en av anledningarna till dessa metoders ökade popularitet. Problemet med dessa metoder är dock att de mest effektiva, såsom djupa neurala nätverk, saknar tolkbarhet, och deras extraordinära empiriska prestanda är inte fullt ut motiverad ur ett teoretiskt perspektiv. En annan stor utmaning, särskilt inom DT, är att övergå från metoder som fungerar mycket bra i teoretiska experiment med simulerade lågdimensionella data, till metoder som kan användas i praktiska tillämpningar, såsom medicinsk bilddiagnostik. Avhandlingen utforskar flera riktningar som potentiellt kan adressera ovanstående problem. Den första är data-drivna optimeringsmetoder som kan användas för att minska antalet iterationer som behövs för att uppnå en slutgiltig rekonstruktion, när denna definieras som en lösning till ett optimeringsproblem. Sådana optimeringsproblem förekommer inom klassiska regulariseringsramverk. Nästa område som undersöks är ordbokslärande (dictionary learning), vilket kan ses som en föregångare till data-drivna metoder under rubriken ``djupinlärning''. Fördelen med ordbokslärande ligger i dess relativa matematiska enkelhet och tolkbarhet. Detta ses som en brygga mellan välförstådda men något begränsade modellbaserade metoder och den ``svart låda''-paradigm som djupinlärning representerar. Eftersom rekonstruktion med hjälp av inlärda ordböcker definieras som ett optimeringsproblem, blir data-drivna optimeringsmetoder också användbara här. Slutligen adresserar avhandlingen problemet med att skala upp moderna djupinlärningsarkitekturer så att de kan tillämpas på kliniska DT-data. Vi visar att vissa modifieringar i arkitekturen, kombinerat med ingenjörstekniker, möjliggör detta utan att behöva förlita sig på superdatorresurser.QC 2025-02-19</p
Distributed planning and control of multi-robot systems under human presence
No full textThe increasing integration of robotics into dynamic, safety-critical environments has necessitated the development of frameworks that enable seamless collaboration between humans and multi-robot systems. This thesis investigates the distributed planning and control of multi-robot systems under human presence, focusing on explicit and implicit Human-(multi)Robot Interaction (HRI) across both low-level control and high-level planning tasks. In this context, explicit means interaction through direct commands and implicit means interaction through indirect effects due to shared spaces. The contributions of this work aim to bridge human intuition and robotic precision, ensuring safety and task efficiency while addressing real-world challenges in domains such as precision agriculture and smart construction. The first part of the thesis addresses explicit low-level human-in-the-loop (HIL) control by developing distributed barrier-function-based approaches that incorporate multiple safety constraints in multi-robot systems. This framework allows human input or overrides while ensuring inter-agent collision avoidance, connectivity maintenance, and adherence to spatial limits. A novel method transforms multiple safety constraints into a collective constraint using a smoothly approximated minimum function, enabling efficient optimization. Experiments demonstrate the integration of HIL scenarios in collaborative multi-robot tasks, highlighting robustness in maintaining system safety despite human interventions. Additionally, a robust Control Barrier Function (CBF)-based visual servoing framework for mobile manipulators is introduced, combining eye-in-hand and eye-to-hand setups. This approach ensures precise object tracking and placement under human supervision, crucial for safety-critical applications such as robotic assembly and construction. The second part focuses on explicit high-level HIL planning, where Signal Temporal Logic (STL) and Linear Temporal Logic (LTL) are used to define spatiotemporal tasks for multi-robot systems. These tasks are executed using Model Predictive Control (MPC), enabling real-time, collision-free trajectory planning while dynamically incorporating human commands. A task allocation protocol ensures adaptability and safe integration of human directives in scenarios involving complex tasks, such as collaborative harvesting and pruning in precision agriculture. Laboratory and field experiments conducted in vineyards validate the applicability of this framework in dynamic environments. Further contributions include the development of methods for recurring task coordination and synchronization in large-scale multi-robot teams. These methods leverage recurring LTL formulations to address computational challenges associated with scaling, enabling robust synchronization and adaptability in real-world settings with up to ninety robots. The final part of the thesis explores implicit low-level HIL by focusing on human motion prediction to enable safe and intuitive interactions between humans and robots. A Koopman-based Inverse Optimal Control (IOC) framework is introduced to estimate unknown dynamics and costs for human motion prediction. By reformulating human-related dynamics as bilinear systems, this method provides a robust and tractable alternative to traditional nonlinear IOC approaches. This framework is validated through theoretical analysis, simulation studies, and experiments, demonstrating its efficacy in enhancing human-aware navigation and task execution in multi-robot systems. The overarching vision of this thesis is to develop scalable, human-centric frameworks that enable robots to dynamically adapt to human inputs while ensuring safety and operational efficiency. By addressing explicit and implicit HRI across low-level control and high-level planning, the work presented here lays the foundation for the seamless integration of multi-robot systems into dynamic, real-world environments, advancing the state of the art in human-robot collaboration.Den ökande integrationen av robotteknik i dynamiska, säkerhetskritiska miljöer har krävt utveckling av ramverk som möjliggör sömlöst samarbete mellan människor och multirobotsystem. Denna avhandling undersöker distribuerad planering och styrning av multirobotsystem vid mänsklig närvaro, med fokus på explicit och implicit Human-(multi)Robot Interaction (HRI) vid både lågnivåkontroll och även högnivåplaneringsuppgifter. I det här sammanhanget defineras explicit interaktion som interaktioner genom direkta kommandon och implicit interaktion som interaktioner genom indirekta effekter på grund av delade utrymmen. Målet med detta arbete är att integrera mänsklig intuitionen och robotprecision samt säkerställa säkerhet och effektivitet av arbetet, med fokus på verkliga utmaningar inom områden som precisionsjordbruk och smart konstruktion. Den första delen av avhandlingen behandlar explicit HIL-kontroll (human-in-the-loop) på låg nivå genom att utveckla distribuerade barriärfunktionsbaserade metoder som inför flera säkerhetsbegränsningar i multirobotsystem. Detta ramverk tillåter mänsklig input eller överskridningar samtidigt som det säkerställer kollisionsundvikande mellan agenter, upprätthållande av konnektivitet och efterlevnad av spatiala gränser. En ny metod omvandlar flera säkerhetsbegränsningar till en kollektiv begränsning med hjälp av en smidigt approximerad minimifunktion, vilket möjliggör effektiv optimering. Experiment demonstrerar integrationen av HIL-scenarier i kollaborativa multirobotuppgifter, vilket belyser robustheten i att upprätthålla systemsäkerhet trots mänskliga ingripanden. Dessutom introduceras ett robust CBF-baserat (Control Barrier Function) ramverk för visuell servoing för mobila manipulatorer, som kombinerar ögon-i-hand och öga-till-hand-uppsättningar. Detta tillvägagångssätt säkerställer exakt objektspårning och placering vid mänsklig övervakning, vilket är avgörande för applikationer i säkerhetskritiska miljöer som robotmontering och konstruktion. Den andra delen av avhandlingen fokuserar på explicit HIL-planering på hög nivå, där Signal Temporal Logic (STL) och Linear Temporal Logic (LTL) används för att definiera spatiotemporala uppgifter för multirobotsystem. Dessa uppgifter utförs med hjälp av MPC (Model Predictive Control), vilket möjliggör kollisionsfri banplanering i realtid samtidigt som mänskliga kommandon införs dynamiskt. Ett protokoll för uppgiftstilldelning säkerställer anpassningsförmåga och säker integrering av mänskliga direktiv i scenarier som involverar komplexa uppgifter, såsom skörd och beskärning i precisionsjordbruk. Laboratorie- och fältexperiment som utförts i vingårdar validerar den praktiska tillämpbarheten av detta ramverk i dynamiska miljöer. Ytterligare bidrag inkluderar utvecklingen av metoder för återkommande uppgiftskoordinering och synkronisering i storskaliga multirobotteam. Dessa metoder utnyttjar upprepande LTL-formuleringar för att hantera beräkningsutmaningar i samband med skalning, vilket möjliggör robust synkronisering och anpassningsförmåga i verkliga miljöer med upp till nittio robotar. Den sista delen av avhandlingen utforskar implicit HIL på låg nivå genom att fokusera på förutsägbarhet av mänsklig rörelse för att möjliggöra säkra och intuitiva interaktioner mellan människor och robotar. Ett Koopman-baserat IOC-ramverk (Inverse Optimal Control) introduceras för att uppskatta okänd dynamik och kostnader för förutsägbarhet av mänskliga rörelser. Genom att omformulera människorelaterad dynamik som bilinjära system ger denna metod ett robust och hanterbart alternativ till traditionella olinjära IOC-metoder. Detta ramverk valideras genom teoretisk analys, simuleringsstudier och experiment, och visar att ramverket är effektivt för att förbättra navigering och uppgiftsutförande vid mänsklig närvaro i multirobotsystem. Den övergripande visionen för denna avhandling är att utveckla skalbara och människocentrerade ramverk som gör det möjligt för robotar att anpassa sig till mänskliga ingångar dynamiskt samtidigt som säkerhet och operativ effektivitet säkerställs. Genom att behandla både explicit och implicit HRI med lågnivåkontroll och högnivåplanering, lägger detta arbete grunden för en sömlös integration av multirobotsystem i dynamiska, verkliga miljöer, vilket främjar den senaste tekniken inom samarbete mellan människa och robot.QC 20250214</p
Tool to dispatch BESS capacity over electricity markets
No full textI och med den allt snabbare utbyggnaden av förnybar energi är stödtjänster mer kritiska än någonsin för att upprätthålla stabiliteten i elnätet. De konventionella leverantörerna av balanstjänster räcker dock inte till för att möta den växande efterfrågan på reserver. Batterilagringssystem (BESS) håller på att bli en gångbar lösning som erbjuder flera fördelar för stödtjänster. I denna studie används ett användarvänligt verktyg för att ge en snabb överblick över lönsamheten för BESS på dagen före-marknaden, primärreserven (FCR) och sekundärreserven (aFRR) i Portugal, Frankrike och Sverige. Verktyget kan också anpassas av användare med egna data för att analysera lönsamheten i andra geografiska regioner. Verktyget är utvecklat med hjälp av Excel och är utformat för att skicka en BESS och analysera dess livstidsintäkter och degradering på de tre marknaderna. Resultatet identifierar den mest lönsamma marknaden för den valda geografin och innehåller en känslighetsanalys för att fastställa de optimala reglerparametrarna för reserver. För det analyserade året visar sig den svenska marknaden vara den mest lönsamma, följt av den franska marknaden, medan den portugisiska marknaden är den minst lönsamma. En detaljerad analys av regleringsparametrarna visar vilka som maximerar BESS lönsamhet på alla marknader. Oavsett marknad krävs liknande regleringsparametrar för att maximera BESS-lönsamheten. Policyförändringar kan ytterligare påskynda integrationen av BESS i de studerade geografiska områdena.With the acceleration of renewable energy deployment, ancillary services are more critical than ever to maintaining grid stability. However, conventional balance service providers are not sufficient to meet the growing demand for reserves. Battery Energy Storage Systems (BESS) are emerging as a viable solution offering several advantages for ancillary services. This study uses a user-friendly tool to provide a quick overview of BESS profitability in the day-ahead market, the primary reserve (FCR), and the secondary reserve (aFRR) in Portugal, France, and Sweden. The tool can also be adapted by users with their own data to analyze profitability in other geographic regions. Developed using Excel, the tool is designed to dispatch a BESS and analyze its lifetime revenues and degradation across the three markets. The output identifies the most profitable market for the selected geographies and includes a sensitivity analysis to determine the optimal regulation parameters for reserves. For the year analyzed, the Swedish market proved to be the most profitable, followed by the French market, with the Portuguese market being the least profitable. A detailed analysis of the regulation parameters highlights those that maximize BESS profitability in all markets. Regardless of the market, similar regulation parameters are required to maximize BESS profitability. Policy changes could further accelerate the integration of BESS in the geographies studied
Advancing energy efficiency and sustainability in supermarkets : A comprehensive analysis of integrated technologies and their impact on energy consumption
No full textThis study presents a detailed analysis of energy consumption in supermarkets, combining field measurement and parametric analysis to optimize efficiency using theoretical modelling. Using a 6780 m² supermarket near Stockholm as a case study, advanced technologies were integrated, including CO2 refrigeration cycle with heat recovery, ground boreholes as thermal storage, LED lighting, PV panels, and optimized ventilation. Energy data were collected through sub-metering, synchronized with temperature and pressure measurements of the refrigeration cycle, and analysed to validate EnergyPlus/Python simulations. Simulations used for evaluating refrigeration demands, HVAC loads, and overall energy consumption. Results show a 60 % reduction in energy use intensity comparing to a basic-reference supermarket, achieving 140 kWh/m² annually. Key findings include a 17 % reduction in electricity use with LED lighting, a 55 % decrease in medium-temperature (MT) cabinets’ refrigeration demand and a 64 % drop in space heating demand due by adding doors in the MT cabinets. Integrating heat recovery into the CO2 refrigeration system reduces energy consumption by an additional 7 %. Thermal storage further improved system efficiency by optimizing subcooling, while photovoltaic panels reduce grid dependency by 29 %. These results demonstrate the potential of modern technologies to improve energy performance and sustainability in the retail sector, offering actionable insights for designers and policymakers.QC 20250317</p
Machinability of Stainless Steels : Tool Wear Investigation
No full textMachining plays a critical role in manufacturing industries to ensure high-quality products. Therefore, understanding the machinability of different materials is crucial, as it is significantly influenced by material properties. Stainless steels are widely used owing to excellent material properties such as corrosion resistance, high strength, good ductility, etc. However, stainless steels include machining challenges due to material properties such as work hardening, lower thermal conductivity, hardness, and alloying content. This study investigates the machinability of austenitic, martensitic, and ferritic stainless steels in terms of tool wear, tool performance, and applicability of the Colding tool life model under different cutting conditions. For this purpose, longitudinal turning tests at various cutting conditions were conducted for all stainless steel grades. Cutting tools were analysed by light optical microscope, and tool life results were used to calibrate the Colding tool life models. The results indicate that at the same cutting conditions, tool wear and tool performance significantly vary depending on workpiece materials. Martensitic and ferritic stainless steels showed consistent tool wear behaviour, flank wear, and notch wear, respectively. Furthermore, austenitic stainless steel exhibited varying tool wear at different cutting conditions. Additionally, martensitic and austenitic stainless steels achieved the longest tool life at 180 m/min cutting speed and 0.11 mm equivalent chip thickness, while ferritic stainless steel achieved the longest tool life at 170 m/min cutting speed and 0.193 mm equivalent chip thickness. The Colding tool life model recommended the highest cutting speed for martensitic stainless steel at equivalent chip thickness values lower than 0.3 mm but reversed this trend at equivalent chip thickness values higher than 0.3 mm. In addition, the Colding model demonstrated the highest accuracy (1.69%) for martensitic stainless steel.Bearbetning spelar en avgörande roll inom tillverkningsindustrin för att säkerställa hög produktkvalitet. Därför är det viktigt att förstå bearbetbarheten hos olika material, eftersom den påverkas av materialegenskaper. Rostfritt stål används i stor utsträckning tack vare sina utmärkta egenskaper, såsom korrosionsbeständighet, hög hållfasthet och god duktilitet. Dock innebär rostfria stål utmaningar vid bearbetning på grund av egenskaper såsom arbetsförhårdnande, låg termisk ledningsförmåga, hårdhet och legeringsinnehåll. Denna studie undersöker bearbetbarheten hos austenitiska, martensitiska och ferritiska rostfria stål med fokus på verktygsslitage, verktygsprestanda och tillämpningen av Colding verktygslivslängdsmodell under olika skärförhållanden. För detta ändamål genomfördes längdsvarvningstester vid olika skärförhållanden för samtliga rostfria stål. Skärverktygen analyserades med ljusoptisk mikroskopi, och resultaten av verktygslivslängden användes för att kalibrera Colding verktygslivslängdsmodellen. Resultaten visar att vid samma skärförhållanden varierar verktygsslitage och verktygsprestanda avsevärt beroende på arbetsmaterialet. Martensitiska och ferritiska rostfria stål uppvisade konsekvent verktygsslitage, där flankslitage dominerade för martensitiskt stål och notchslitage för ferritiskt stål. Austenitiskt rostfritt stål visade däremot varierande slitagebeteenden beroende på skärförhållanden. Dessutom uppnåddes den längsta verktygslivslängden för martensitiska och austenitiska rostfria stål vid en skärhastighet på 180 m/min och en ekvivalent spåntjocklek på 0,11 mm, medan ferritiskt rostfritt stål uppnådde den längsta verktygslivslängden vid 170 m/min och en ekvivalent spåntjocklek på 0,193 mm. Colding verktygslivslängdsmodellen rekommenderade de högsta skärhastigheterna för martensitiskt rostfritt stål vid ekvivalenta spåntjocklekar under 0,3 mm, men denna trend vändes för spåntjocklekar över 0,3 mm. Dessutom visade Colding-modellen högst noggrannhet (1,69%) för martensitiskt rostfritt stål
Biomekaniska modeller av belastning och stabilitet i axeln
No full textAnalysis of shoulder loading can shed light on injury mechanisms, but direct measurement of loading remains challenging. Musculoskeletal simulations offer alternative estimation methods, provided they are validated. A recent open-source thoracoscapular shoulder model can reproduce scapulothoracic kinematics accurately, but its validity in estimating joint loading has been unknown. Previous attempts to use this model with muscle redundancy solvers to estimate shoulder joint loading have been made, but whether the solutions fulfilled conditions for glenohumeral stability has been relatively little explored. The existing thoracoscapular model, moreover, does not allow any articulation in the spine, whereas muscles that span the shoulder are influenced by spinal movement. The first aim of the thesis was to explore what degree of glenohumeral stability is adequate in a musculoskeletal model to accurately estimate shoulder joint forces. We used available kinematics and in vivo glenohumeral joint contact forces from the Orthoload dataset to evaluate the criterion validity of the proposed stability formulations. Different formulations for shoulder joint stability were introduced based on the computed direction of the joint contact force. This force was constrained to be directed into or close to the glenoid cavity, described with different geometric shapes or penalties in the muscle redundancy solver. We found that restricting the force direction towards a specified shape resulted in unrealistic force vectors that were directed along the shape borders. A less strict approach that encouraged joint contact forces to be directed centrally in the glenoid cavity estimated relatively more accurate force magnitudes and contact force directions, though some differences with the in vivo measurements still exist. The second aim of the thesis was to validate the use of a spine-integrated thoracoscapular shoulder (SITS) model, which includes cervical and lumbar spine articulation, to estimate shoulder biomechanics in seated activities. Specifically, aims of the second study were to evaluate the model's content validity, then to study how sitting posture can affect shoulder muscle activation and joint loading. We estimated shoulder loading during captured movements of subjects performing simple dumbbell lifting tasks in two different sitting postures—slouched and upright. We compared estimated muscle and joint loading with the rigid (locked) spine and with vertebral articulation (unlocked), and found that the customized model with an unlocked spine reproduced the actual movement more accurately. We then found that sitting postures influenced muscle activation and joint loading; compared to an upright posture, the dumbbell lateral and anterior lifting in a slouched posture involved greater glenohumeral joint movement, increased ligament lengthening, more muscle activation, and higher joint contact forces. These findings suggest that performing dumbbell lifts in a slouched posture places more load on the glenohumeral joint and increases strain on soft tissues, specifically glenohumeral ligaments. These findings support the proposed enhanced shoulder model and stability formulations as benchmark methods for comprehensive shoulder biomechanical analysis. Analys av axelbelastning kan ge insikt i skadeorsaker. Direkt mätning av belastning är dock fortfarande en utmaning. Som ett alternativ kan muskel- och ledbelastningar uppskattas med muskuloskeletala simuleringar, men modellerna måste valideras. Modeller har utvecklats för att uppskatta rörelse och belastning i axelns olika leder och muskler. Validitet vid skattning av belastning har dock inte rapporterats. Tidigare modeller tillåter inte heller rörelse i ryggraden, trots att hållningen påverkar muskler som spänner över axeln. Det första syftet med avhandlingen var att undersöka vilken grad av stabilitet runt axelleden som är tillräcklig i en muskuloskeletal modell för att uppskatta axelledens krafter. Utifrån tillgängliga in vivo-data gällande rörelse-och ledbelastning modellerades axelledens stabilitet på olika sätt genom att begränsa ledkontaktkraften så att den riktas in i eller nära glenoidkaviteten. Vi fann att en mindre strikt stabilitetsbeskrivning som uppmuntrade axelledskontaktkrafter att riktas centralt i glenoidkaviteten uppskattade kraftstorlekar och kontaktkraftriktningar relativt väl, även om vissa avvikelser med in vivo-mätningarna fortfarande fanns. Det andra syftet med avhandlingen var att validera en biomekanisk modell av axelleden med rörelse i ryggraden (SITS), för att uppskatta axelledens biomekanik vid sittande aktiviteter. Axelbelastningen beräknades från insamlad rörelsedata av forskningspersoner som utförde enkla hantellyftaktiviteter, i både hopsjunkna och upprätta sittställningar. Vi fann att sittställningar påverkade modellernas estimerade muskelaktivering och ledbelastning. Jämfört med en upprätt hållning innebar hantellyftet i ett hopsjunken hållning större glenohumerala ledrörelser, mer ligamentsträckning, mer muskelaktivering samt högre ledkontaktkrafter. Dessa resultat stöder den föreslagna modellen av axelleden och beskrivning av ledstabilitet som benchmarkmetoder för omfattande biomekanisk analys av axelleden.QC 250320</p
Utvärdering av användningen av sökresultatsförstärkt generering för att förbättra onlinekurser
No full textProviding sufficient and adequate teaching assistance towards students in programming education for online courses requires substantial resources, especially considering the growing enrolment numbers. To tackle the problems of scalable course assistance, we developed a chat bot specific to the Web Software Development (WSD) course at Aalto, using a novel technology called retrieval-augmented-generation (RAG), which harnesses large language models (LLM) and augments the produced answer with search results from an external data source: in our case the course material, vectorised and embedded into a vector database. Our evaluations include a benchmark, in which we compare the faithfulness and relevancy of answers generated by 54 different configurations, determined by the LLM, the embedding model, the chunk size and amount of chunks, and the retrieval mode. The 28 used evaluation questions were mainly collected from course participants taking the WSD course. The findings suggest that in the context of this experiment, higher chunk sizes work better, a vector-only retrieval mode produces better results, the choice of LLM in itself had a mild effect on the answer quality, and text-embedding-3-large and all-MiniLM-v6 performed significantly better than RoBERTa. Furthermore, we conducted an in-person user survey (N =14), in which students were required to work on course tasks given the assistance of our chat bot, and a search functionality. The goal was to assess the satisfaction of RAG when compared against a search functionality, as well as the search performance using RAG when compared against a search functionality. The findings suggest users perceive both assistants as useful or highly useful, and that the bot produces factually correct results. The preference towards a specific assistant and performance depended on various factors, including the exercise type.Att erbjuda tillräckligt och adekvat stöd till studenter inom programmerings- utbildning för onlinekurser kräver betydande resurser, särskilt med tanke på det växande antalet inskrivna studenter. För att lösa problemen med skalbar kursassistans utvecklade vi en chattbot specifikt för kursen Web Software Development (WSD) vid Aalto Universitetet, med hjälp av en ny teknik som kallas för retrieval-augmented-generation (RAG) vilken utnyttjar stora språkmodeller (LLM) och förstärker deras svar med sökresultat från en extern datakälla: i vårt fall kursmaterialet, konverterat till en vektor och inbäddat i en vektordatabas. Vår utvärdering inkluderar ett utvärderingsprov, där vi jämför tillförlitligheten och relevansen hos de svar som genereras av 54 olika konfigurationer för LLM:en, inbäddningsmodellen, chunkstorleken, antalet chunks samt hämtningsläget för vektordatabasen. De 28 utvärderingsfrågor som användes var huvudsakligen från kursdeltagare som läste WSD-kursen. Resultatet tyder på att i sammanhanget av detta experiment ger större chunks och ett hämtningsläge med enbart vektorer ett bättre resultat. Valet av LLM hade en mild effekt på svarskvaliteten. Inbäddningsmodellerna text-embedding-3- large och all-MiniLM-v6 presterade betydligt bättre än RoBERTa. Dessutom genomförde vi en användarundersökning (N =14), där studenterna fick arbeta med kursuppgifter med hjälp av vår chattbot och en sökfunktion. Målet var att bedöma hur nöjda studenterna är med RAG jämfört med en sökfunktion, samt sökprestanda med hjälp av RAG jämfört med endast en sökfunktion. Resultaten tyder på att användarna uppfattar båda assistenterna som användbara eller mycket användbara, och att assistenterna producerar faktamässigt korrekta resultat. Preferensen för en specifik assistent och prestanda berodde på olika faktorer, bland annat uppgiftstypen
Miljöpåverkan av att använda Artificiell Intelligens : Utforskning av ChatGPT:s miljöpåverkan: En litteraturstudie och analys av användaruppfattningar
No full textOne of the most transformative technological advancements in recent years has been Artificial Intelligence (AI). The ability to help and assist with tasks in sectors from finance to healthcare has made AI in high demand. In particular, so-called generative AI has captured significant attention, which means AI systems capable of producing new content such as images, text, code or audio based on input prompts. This study investigates the environmental impact of generative AI with a primary focus on ChatGPT. The research is a combination of a literature review of ChatGPT’s water and energy consumption with a user study investigating user behaviour and perception of the environmental impact of utilising it. The findings indicate that the training and operations of ChatGPT require considerable energy both for training the algorithms and for their operations in use. The estimated electricity consumption of ChatGPT is significant for the maintenance and processing of data. Moreover, water consumption, used primarily for cooling data centres, contributes to the environmental impact of ChatGPT and other AI services by increasing freshwater scarcity in regions already affected. The user perception survey revealed that most participants were not actively thinking of the environmental impact that ChatGPT has while using the model. Many participants recognised the size and advancement of ChatGPT and the energy consumption for it would be similar but were unaware of the water consumption of the model. 25% of the participants indicated they would change their usage behaviour if they had more knowledge about the ecological footprint of ChatGPT and 47.2% thought they might change their behaviour. This study sheds light on the water and energy consumption of AI to contribute to a more environmentally responsible approach to AI development and usage.Artificiell intelligens har varit en av de mest transformerande teknologiska framstegen under de senaste åren. Dess förmåga att hjälpa och assistera med uppgifter inom olika sektorer, allt från finans till vård, har gjort AI mycket efterfrågat och använt. Särskilt den så kallade generativa AI har fått stor uppmärksamhet. Generativ AI innebär AI-system som kan skapa nytt innehåll såsom bilder, text, kod eller ljud baserat på inmatade promptar. Denna studie undersöker miljöpåverkan av AI med primärt fokus på ChatGPT. Denna undersökning kombinerar en litteraturstudie om ChatGPT:s vatten- och energiförbrukning med en användarstudie som undersöker använd- arbeteenden och uppfattningar om miljöpåverkan när modellen används. Resultaten visar att träning och drift av ChatGPT kräver en betydande mängd energi för att fungera effektivt. Den estimerade konsumtion av el som ChatGPT förbrukar är signifikant för den underhållning och behandling av data som görs. Vattenförbrukningen, som främst kommer från nedkylning av datacenter, bidrar till miljöpåverkan ChatGPT och andra AI verktyg har genom att öka sötvattenbrist i regioner som redan är påverkade. Användarstudien visade att de flesta av deltagarna inte aktivt tänker på en potentiell miljöpåverkan som ChatGPT kan ha när de använder sig av modellen. Flera deltagare var medvetna om storleken av ChatGPT och hur avancerade verktyget är och att energikonsumtionen skulle kunna vara liknande men var omedvetna om vattenkonsumtionen. 25% av deltagarna tror på att de skulle förändra sin egen användning av ChatGPT om de var mer medvetna om dess miljöpåverkan och 47,2% tror att de kanske skulle förändra sitt beteende. Denna studie belyser AI:s vatten- och energiförbrukning för att bidra till ett mer miljöansvarigt tillvägagångssätt vid utveckling och användning av AI
Climate neutral railway tracks : A study regarding the Swedish Transport Administration’s aim to achieve climate neutral infrastructure in 2040 and risks that can arise when working to reach climate neutrality
No full textFörändringarna i klimatet kan ses världen över som resultat av användning av fossila bränslen och aktörer globalt fattar beslut kring hur dessa förändringar ska bemötas. Trafikverket är en av dem. Både på EU-nivå och svensk nationell nivå har begreppet klimatneutralitet introducerats och mål formulerats kring konceptet. I Sverige har det myntats bland annat i form av Trafikverkets klimatneutralitetsmål som är planerat att uppnås till år 2040. Med detta i åtanke formulerades och besvarades följande frågeställningar: - Vilka stora utsläppskällor genererar spåranläggningarna i nuläget som försvårar klimatneutralitetsarbetet? - Vilka är de tekniska lösningarna för att reducera utsläppen? - Vilka risker finns det, som uppstår under en spåranläggnings livstid, som gör att Trafikverket inte når sitt klimatneutralitetsmål 2040, och vilka risker är de största? - Hur kan man reducera de nämnda riskerna? Besvarandet av forskningsfrågorna och examensarbetet i helhet är avgränsad till ballastspåren som finns i den svenska järnvägsinfrastrukturen idag. I spåranläggningarna har fokus varit på anläggningens banöverbyggnad, främst komponenterna räl och slipers. I arbetet har beräkningar på utsläppsnivåer gjorts med Trafikverkets egna klimatkalkylsverktyg. Fokus har varit på utsläpp från material (stål och betong) och maskiner som används samt transporter som görs under en spåranläggnings livstid. Verktyget har också använts för att göra en nulägesbeskrivning och scenarioanalys. Vidare har även tekniska lösningar identifierats, främst med hjälp av intervjuer, och en riskanalys gjorts utifrån fokus på de tekniska lösningarna. Huvudslutsatserna är att CCS-tekniken och vätgasanvändningen inom betong- respektive stålindustrin utgör de största riskerna. Det finns även faktorer som komplicerar minskningen av riskerna som kan uppstå under en spåranläggnings livstid. Risk innebär i detta fall en sammanvägning av sannolikheten att en teknisk lösning inte uppfylls, och konsekvensen av ett sådant icke-införande. Dessutom behöver vidare forskning bedrivas kring aspekter som inte är direktkopplade till den ekologiska hållbarhetsdimensionen, utan snarare har en indirekt koppling. Detta kan inkludera ramavtalen som Trafikverket använder sig av vid till exempel inköp av material. Slutligen bedriver Trafikverket arbetet för att uppnå klimatneutralitet i rätt riktning, men det finns fortfarande flera aspekter som behöver hanteras som ligger utanför Trafikverkets förmåga att påverka.The changes in the climate are seen around the world because of the use of fossil fuels over many years and actors are globally making decisions regarding how these changes should be faced. The Swedish Transport Administration is one of them. Both on EU-level and on a Swedish national level, the term climate neutrality has been introduced and goals have been framed regarding the concept. In Sweden, the term has been established, inter alia, in the form of the transport administration’s climate neutrality goal that is planned to be reached in 2040. With this in mind, the following research questions that were formulated and answered are: - What major sources of emissions do the railways generate today that make the climate neutrality work more difficult? - What technical solutions are there to reduce the emissions? - What risks are there that can emerge during a rail tracks’ life, that can hinder The Swedish Transport Administration from reaching their climate neutrality goal in 2040 and which risks are the greatest? - How can the risks be reduced? The process of answering the research questions, and the thesis in general is limited to the ballasted tracks that exist in the Swedish railway infrastructure today. In these rail tracks, the focus has been on the tracks’ superstructure in the form of rails and sleepers. In this thesis, calculations of the emissions were conducted with the transport administration’s climate calculator, with focus on emissions from material (steel and concrete) and machines that are used as well as transports made during a rail tracks’ life. The calculator was also used for making a description of the current state of the emission levels, as well as a scenario analysis. Furthermore, technical solutions have been identified, mainly through interviews, and a risk analysis has been made focusing on the solutions. The main conclusions are that the CCS-technology and use of hydrogen in the concrete products and steel industry respectively constitute the biggest risks. Furthermore, there are factors that complicate the reduction of the risks. Risk is, in this case, a combined assessment of the probability that a technical solution will not be implemented and the consequence of this. Additionally, there are aspects that are not directly connected to the ecological dimension of sustainability, but rather indirectly. This can include the framework agreement that the Swedish Transport Administration uses when purchasing materials for instance. Lastly, the work that the transport administration conducts to achieve climate neutrality is heading in the right direction, but there is still much left to do that is outside the authority’s ability to influence.
Storskalig generering och affinitetsanalys av antikroppsvarianter som grund för maskininlärningsbaserad antikroppsutveckling
No full textDet är inte frågan om, utan när nästa pandemi bryter ut. För att öka beredskapen bör metoder tas fram för att snabbt utveckla lösningar för diagnostik och behandling av dessa, och antivirala antikroppar är ett potentiellt alternativ. Om ett system kan utvecklas för att effektivisera den hittills tidskrävande och dyra processen för utveckling av antikroppar kan dessa få ännu mer potential. Eftersom nya virus ofta är närbesläktade med existerande virus så kan det finnas strukturella likheter i deras epitoper som kan utnyttjas. Genom att introducera mutationer i antikroppar som kan binda dessa närbesläktade virus, finns potential att styra specificiteten mot det nya viruset, vilket resulterar i en effektiviserad process för antikroppsutveckling. Detta projekt är baserat på BreviA, ett nyutvecklat system för interaktionsanalys av antikroppar från ett bibliotek, där användaren kan samla in stora mängder interaktionsdata och antikropps-sekvenser på kort tid. Två antigener, SARS-CoV-1 och SARS-CoV-2, undersöktes tillsammans med ett bibliotek av antikroppar baserade på Fab C1, en redan existerande antikropp. Med hjälp av BreviA samlades ett set av 1152 antikropps-sekvenser och kinetiska parametrar in, vilket resulterade i 528 unika varianter. Affiniteten för både SARS-CoV-1 och SARS-CoV-2 studerades, med avsikt att hitta en antikropp med hög affinitet för CoV-2 utan affinitet för CoV-1, vilken skulle kunna användas i diagnostiska syften. De flesta antikroppar utan affinitet för CoV-1 saknade dock även affinitet för CoV-2, och de få som behöll affiniteten för CoV-2 uppvisade tydligt reducerade KD-värden. Detta kan bero på likheterna i antigenernas sekvenser, och bör tas i åtanke vid framtida arbete. Generellt utvärderade denna studie potentialen att använda BreviA-systemet för att snabbt samla tillräcklig mängd data för maskininlärning, vilket i framtiden skulle kunna användas för att förutspå eller designa en antikropp specifik mot CoV-2. Även om ingen faktiskt maskininlärning utfördes i detta projekt så möjliggjorde BreviA-systemet en datainsamlingsprocess med unik snabbhet, och som i kombination med maskininlärning förhoppningsvis skulle kunna resultera i en accelererad process för design av antikroppar.It is not a matter of if, but rather when, the next viral pandemic emerges. In order to be prepared, methods need to be developed to quickly engineer solutions for diagnostics and treatment of these, and antiviral antibodies are a promising option. If a system can be built to avoid the previously time-consuming and costly process of antibody development, they may have even more potential. As emerging viruses are frequently related to already existing ones, there may be structural similarities in their epitopes that can be taken advantage of. By introducing mutations in antibodies capable of binding these related viruses, one might be able to engineer the specificity towards the novel viruses, leading to more efficient antibody development. This project was based on BreviA, a recently developed high-throughput interaction analysis system for antibody libraries, enabling the user to collect a large amount of interaction data and antibody sequences in a short amount of time. Two antigens, SARS-CoV-1 and SARS-CoV-2, were investigated, along with an antibody library based on a model antibody called Fab C1. Using BreviA, a set of 1152 antibody sequences and kinetic parameters were collected, resulting in 528 unique variants. The affinities towards both SARS-CoV-1 and SARS-CoV-2 were investigated, in hopes of obtaining a CoV-1 non-binder with high affinity towards CoV-2, which could potentially be used for diagnostic purposes. However, most obtained CoV-1 non-binders were also CoV-2 non-binders, and the few CoV-1 non-binders that retained their CoV-2 affinity showed severely reduced KD values. This may be due to the sequence similarities of the antigens and should be considered in future efforts. In general, this study evaluated the potential of using the BreviA system to quickly collect enough data to enable machine learning, which in the future could be used to predict or design a CoV-2-specific antibody. Although no actual machine learning was performed, BreviA did enable a uniquely quick data collection process which, in combination with machine learning, could hopefully result in an accelerated antibody engineering process