Aarhus Universitet, Institut for Kemi og iClimate

Fagområde

Kvantekemi, Atmosfærisk Kemi, Miljøvidenkab

Kontaktinfo

Email: jelm@chem.au.dk
Telefon: +4528938085

Forskningsleder

Jonas Elm

Postdoc, PhD, født 1985

Projekttitel

Hvordan dannes partikler i luften? Ny indsigt fra kvantekemi og maskinlæring.

Hvad handler dit projekt om?

Dannelse af atmosfæriske partikler og hvordan de gror udgør en af de største usikkerheder ved modellering af vores nuværende og fremtidige klima. Dette skyldes at vi ikke særlig godt forstår hvordan klynger i skala fra en enkelt nanometer er i stand til at gro op til store aerosolpartikler der påvirker klimaet. I dette projekt lægger vi det teoretiske grundlag for modellering af dannelses- og vækstprocesser af atmosfæriske klynger. Helt specifikt vil vi udvikle og anvende nye maskinlæringsteknikker der er baseret på kvantekemiske beregninger. Vores resultater vil bidrage til at forstå, hvordan aerosolpartikler dannes i luften helt ned på det molekylære niveau.

Hvordan opstod din interesse for dit forskningsfelt?

Jeg husker helt tilbage fra folkeskolen at jeg kiggede på det periodiske system og fandt det dybt fascinerende hvordan de kemiske elementer opførte sig selvom de kun havde en lille forskel i antallet af elektroner, protoner og neutroner. Så allerede længe før jeg havde hørt om kvantemekanik, havde det allerede fanget min interesse. Under mine studier er jeg blevet interesseret i atmosfærisk kemi, primært pga af de klimaudfordringer som vi står overfor. At kombinere disse to discipliner (kvantemekanik og atmosfærisk kemi) har gjort mig mere og mere nysgerrig igennem min videnskabelige karriere.

Hvad er de forskningsmæssige udfordringer og perspektiver ved dit projekt?

Brugen af maskinlæring til at undersøgelse dannelse og vækst af atmosfæriske klynger er en signifikant videnskabelig udfordring. Vi bliver nødt til at udvikle og teste adskillige maskinlæringsteknikker for at identificere hvilken metode der bedst repræsenterer vores kvantekemiske data og derved har de mest effektive læringskurver. Anvendelsen af maskinindlæringsalgoritmer på kvantekemiske data er et interessant og støt voksende forskningsfelt der i fremtiden har store implikationer for datadrevet forskning.

Hvilke perspektiver vurderer du selv, at din forskning på sigt kan have for det omgivende samfund?

Projektet giver direkte information om hvordan atmosfæriske partikler dannes og især hvilke kemiske forbindelser der bidrager til processen. Ud fra vores beregninger kan vi direkte identificere hvilke kemiske forbindelser der effektivt danner partikler og derved bør reguleres. Vi vil implementere vores resultater i en atmosfærisk procesmodel der gør det muligt for os at markant formindske usikkerheden i nuværende klimamodellering. På længere sigt vil projektet være et af de første skridt imod implementering af mere pålidelige kvantekemisk data i atmosfæriske modeller. Overordnet set vil dette signifikant forbedre vores forståelse af vores nuværende og fremtidige klima. 

Hvad vil det betyde for din forskerkarriere, at du indgår i Sapere Aude-programmet?

Sapere Aude programmet giver mig mulighed for at opstarte min egen uafhængige forskningsgruppe med fokus på atmosfærisk beregningskemi. Programmet åbner op for at koordinere og udføre forskning på det højeste internationale niveau. Det giver mig derved mulighed for at udvide mit internationale forskningsnetværk og påbegynde uddannelsen af fremragende yngre forskere. Jeg er ikke i tvivl om at jeg kan bidrage signifikant til forståelsen af aerosol partikler fra et molekylært synspunkt og denne indsigt bestemt ikke ville være mulig uden støtten fra Sapere Aude-programmet.

Lidt om mennesket bag forskeren

I min fritiden nyder jeg at vandre. Det giver mig et frirum hvor jeg effektivt kan slappe mentalt af. Som teoretisk kemiker er de fleste af mine ideer faktisk opstået fra lange gåture frem for på kontoret.

Bopælskommune

København

Gymnasium

Kalundborg Gymnasium