De Young Academy Twente (YAT) heeft elf nieuwe leden benoemd. Alle vijf faculteiten van de UT zijn vertegenwoordigd in de nieuwe lichting (lichting 2025). Samen vormen zij een community van getalenteerde academici, die bijvoorbeeld gevraagd en ongevraagd advies geven aan het College van Bestuur en het Strategische Beraad. YAT ondersteunt haar leden in hun ontwikkeling als docent, wetenschapper en ondernemer binnen en buiten hun vakgebied. YAT-leden treden op als ambassadeurs van excellentie in onderzoek en onderwijs en betrekken het publiek bij de wetenschap. De nieuwe leden zullen officieel worden geïnstalleerd op 2 juli a.s..
Elnaz Neinavaz (ITC)
Elnaz' onderzoeksinteresse ligt bij het monitoren van biodiversiteit met behulp van remote sensing en aardobservatietoepassingen om de trends en effecten van klimaatverandering-gerelateerde extreme gebeurtenissen op biodiversiteit beter te begrijpen. Ze past voornamelijk hoge resolutie thermische infrarood hyperspectrale data toe in haar onderzoek.
Als remote sensing-expert met een achtergrond in ecologie en biodiversiteit onderzoekt Elnaz welke biochemische en biofysische variabelen van vegetatie kunnen worden toegepast om robuuste relaties met biodiversiteitsmetingen te ontdekken. Dit stelt wetenschappers in staat om biodiversiteit effectiever te monitoren, de nadelige gevolgen van extreme gebeurtenissen te verminderen en betere mitigatieplannen te ontwikkelen.
Annika Betken (EEMCS)
Van de dagelijkse waarden van aandelenindexen tot het minutieus geregistreerde aantal hartslagen: tijdreeksen komen overal voor. Analyse ervan wordt steeds belangrijker door de massale productie van data via bijvoorbeeld het Internet-of-Things of de digitalisering van de gezondheidszorg. Annika's onderzoek richt zich op robuuste methoden voor tijdreeksanalyse, oftewel statistische technieken die zijn ontworpen om gegevens te verwerken die uitschieters, structurele veranderingen of andere soorten afwijkingen van verwachte patronen bevatten.
Mehrshad Mehrpouya (ET)
Geavanceerde productietechnologieën zijn cruciaal voor het ontwerpen en fabriceren van innovatieve producten die niet met conventionele methoden kunnen worden geproduceerd. Het integreren van slimme materialen, zoals vormgeheugenmaterialen, biedt een unieke kans om een nieuwe generatie slimme producten met multifunctionele eigenschappen te ontwikkelen. Mehrshad richt zich op de 3D- en 4D-printing van slimme materialen en structuren, met name op het ontwikkelen van nieuwe vormgeheugenmaterialen en het verbeteren van de technieken die worden gebruikt voor hun fabricage.
Gerwin Hoogsteen (EEMCS)
We bevinden ons midden in een revolutionaire transitie die verandert hoe we energie produceren, opslaan en consumeren. De toekomst van een duurzame elektriciteitsvoorzieningsketen is bottom-up georganiseerd en bestaat uit miljoenen digitaal verbonden apparaten die samen betrouwbaar elektriciteit moeten leveren en consumeren. Gerwin Hoogsteen onderzoekt en demonstreert nieuwe gedistribueerde en robuuste energiecoördinatie-algoritmen samen met een divers team van experts en industriële partners om deze energietransitie gezamenlijk mogelijk te maken. Bijvoorbeeld door onderzoek naar gedistribueerde optimalisatie-algoritmen, diepe integratie van systemen in hun nieuwe cyber-fysieke context en de ontwikkeling van strategieën om dit gedigitaliseerde intelligente netwerk veerkrachtig te maken tegen bijvoorbeeld componentstoringen en cyberaanvallen.
Davoud Jafari (ET)
Davoud Jafari's onderzoek richt zich op het ontwikkelen en onderzoeken van de fundamentele wetenschap en techniek van energiematerialen via additive manufacturing. Zijn werk heeft als doel het afstemmen en controleren van gecorreleerde functies met betrekking tot thermodynamica, kinetiek en transport. Bijvoorbeeld het creëren van oppervlakken voor thermochemische of elektrochemische reacties, het geleiden van elektronen en warmte, en het distribueren van vloeistoffen. Als leider van het team voor additive manufacturing systems voor energiematerialen onderzoekt Davoud nieuwe processen om complexe geometrische vormen te creëren en te testen, en hiërarchische structuren met gegradueerde samenstelling en lengteschalen te realiseren. Zijn onderzoek richt zich op drie hoofdtoepassingsgebieden: warmteoverdracht, elektrochemische en thermochemische systemen. Een grote uitdaging in zijn werk is het bereiken van precieze controle over materiaaleigenschappen om ze af te stemmen op duurzame energie gerelateerde toepassingen.
Gréanne Leeftink (BMS)
Hoe kunnen zorgprocessen zo georganiseerd worden dat ze mensgericht zijn in een steeds complexer wordende wereld? Gréanne Leeftink ondersteunt de transformatie van de gezondheidszorg door de ontwikkeling van data-gedreven beslissingsondersteunende algoritmen voor het efficiënt ontwerpen van geïntegreerde zorgprocessen. Haar focus ligt op het overbruggen van de kloof tussen theoretische optimalisatie-algoritmen en praktische toepassingen in de gezondheidszorg met al hun inherente onzekerheden, wat uiteindelijk ten goede komt aan zowel patiënten als professionals. Daartoe ontwikkelt ze strategieën voor middelenbeheer en procesoptimalisatie, zodat de gezondheidszorg efficiënt en effectief verloopt, terwijl ze een duurzame en zorgvuldige inzet van schaarse zorgprofessionals bevordert. Haar doel is om de impact op de patiëntenzorg te maximaliseren door een multi-stakeholderbenadering en geavanceerde algoritmeontwikkeling.
Russell Chan (BMS)
Russell Chan is universitair docent werkend op het gebied van cognitieve-motorische neurowetenschappen. Hij staat bekend om het gebruik van cognitieve verbeteringstechnieken om het potentieel van de geest te ontsluiten met als doel de gezondheid, het welzijn en de prestaties te verbeteren. Met behulp van multimodale neuro-imaging-technieken onderzoekt hij prestaties in motorische sequentie-leren om de verschillende mechanismen te begrijpen. Zijn werk bevindt zich op het snijvlak van beweging, cognitie en bewustzijn.
Sophie Langer (EEMCS)
Hoe onderscheiden deep learning-methoden tussen katten en honden? Of nog belangrijker, hoe detecteren ze ziektes of herkennen ze verkeersborden? Zonder antwoorden op deze vragen riskeren we onverwacht gedrag van de methodologie met mogelijk juridische of ethische implicaties. Sophie Langer onderzoekt de onderliggende werking van op deep learning gebaseerde methoden, met name gericht op hun statistische eigenschappen. Haar onderzoek verbetert het theoretische begrip van de methodologie en draagt bij aan een veiligere en betrouwbaardere AI-toekomst.
Jelmer Renema (TNW)
Jelmer Renema werkt aan de ontwikkeling van fotonische quantumcomputers, waarbij individuele lichtdeeltjes, fotonen, uiterst complexe berekeningen uitvoeren die buiten het vermogen van huidige (super)computers liggen. Hij promoveerde cum laude aan de Universiteit Leiden in 2015, met een focus op supergeleidende enkelvoudige fotondetectoren. Daarna werkte hij met een Rubicon-beurs in Oxford aan de ontwikkeling van optische chips, ondanks een chiptekort dat zijn interesse in de technologie aanwakkerde. In 2018 ontving Renema een Veni-beurs voor een postdoc-positie aan de Universiteit Twente, waar hij kennismaakte met het onderzoek van de universiteit. In 2020 trad hij toe tot de Adaptive Quantum Optics-groep als universitair hoofddocent. Naast zijn academische prestaties is Renema ook de CTO van Quix Quantum, een succesvolle start-up van de Universiteit Twente.
Julia Mikhal (BMS)
Julia Mikhal ontwikkelt computational models voor klinische toepassingen en beslissingsondersteuning. Haar onderzoek combineert wiskundige modellering en klinische data-analyse om veilige en vroege ontslag na oncologische chirurgie te verbeteren en mechanismen van vaatziekten bloot te leggen. Julia Mikhals werk maakt gebruik van geavanceerde wiskundige en computational methodes om betekenisvolle informatie uit complexe datasets te halen en nauwkeurige modellen te ontwikkelen die patiënt specifieke uitkomsten voorspellen.
Kuan Chen (EEMCS)
Hoe kunnen we toekomstbestendige computersystemen creëren die dienen als ruggengraat van de moderne samenleving, terwijl we hun veerkracht tegen milieuonzekerheden maximaliseren? Als computerwetenschapper is Kuan-Hsun Chen toegewijd aan de vooruitgang van cyber-fysieke systemen, die continu interactie hebben met de fysieke wereld in talrijke veiligheidkritieke scenario's. Deze systemen moeten niet alleen correcte functionaliteiten leveren, maar ook tijdige prestaties garanderen om catastrofale falen te voorkomen. Door voorrang te geven aan voorspelbaarheid en betrouwbaarheid, onderzoekt hij efficiënte oplossingsstrategieën die voldoen aan alle niet-functionele eisen die door de onderliggende hardwareplatforms worden gesteld. Zijn baanbrekende onderzoek bevindt zich op het snijvlak van computerwetenschappen en elektrotechniek, gedreven door zijn overtuiging dat synergie tussen software en hardware de sleutel is tot het creëren van zulke systemen.
