Af Mads Sejer Nielsen, Institut for Elektroniske Systemer

Det er ikke hverdagskost at modtage priser for sin forskning, men nu kan ph.d.-dimittenden Anders Ellersgaard Kalør kalde sig prisvindende forsker i en alder af bare 30 år – en hæder, der kom bag på ham.

- Jeg var overrasket og glad. Det er jo altid rart at få en anerkendelse – specielt i den kaliber, der også giver flere muligheder. Jeg regner da med at skulle fortsætte med at forske, og hvor jeg ender henne, det må tiden jo vise, siger han.

Den nu prisvindende ph.d.-afhandling bærer titlen ”Methods for Massive, Reliable, and Timely Access for Wireless Internet of Things (IoT)”, og hovedvejleder er professor Petar Popovski.

Resultaterne bidrager med viden til, hvordan man skal designe fremtidens kommunikationsnetværk, så de kan anvendes til flere applikationer, i særdeleshed IoT. Dette kan få vidtrækkende konsekvenser for mange sektorer, der får mulighed for at overgå fra kablede til trådløse netværk, samt at overvåge f.eks. industrielle processor med trådløs IoT.

Projektet kan bl.a. bruges til at øge pålideligheden af trådløse netværk, samt at øge effektiviteten af trådløs IoT, så flere enheder kan tilsluttes samme basestation. Dette kan f.eks. medføre, at batterierne i IoT-enhederne holder længere.

- Det giver mulighederne for at man kan indsamle data på den mest pålidelige måde, så man ikke spilder ressourcer, når man går fra kablede til trådløse forbindelser. Det nytter jo ikke noget at vi fjerner kommunikationskablerne, hvis man i stedet er nødt til at tilslutte et fast strømkabel, eller hvis enhederne skal lades op konstant, forklarer han.

Efter sin afslutning på AAU har Kalør fået en DDF postdoc-bevilling mellem AAU og The University of Hong Kong, hvor han undersøger kombinationen af machine learning og trådløs kommunikation - altså hvordan man udvikler trådløs kommunikation til at hjælpe i machine learning-sammenhænge.

I Hong Kong undersøger han teknikker til bl.a. sensorer, der for eksempel kan bruges i trafikscenarier, hvor der skal sendes specifikke data, så man kan tage beslutninger på baggrund af den data.

- Moderne køretøjer genererer så meget data, at det er enormt svært at vurdere, hvilke data, der er relevante for f.eks. andre biler. I stedet for at sende det hele og lade modtageren filtrere det, sender vi først et lille udpluk af dataen, som modtageren så kan bruge til at vurdere relevansen af dataen og derefter bede om det hele, siger han.

Det kan i sidste ende spare virksomheder penge, tid og ressourcer, da båndbredde er en meget begrænset ressource og en stor udgift for mange virksomheder. Resultaterne fra det projekt må vi dog vente på lidt endnu.