Onderzoek zandstorm TU Delft

Wetenschapper Arnold Heemink begeleidde Jianbing Jin (TU Delft) tijdens zijn onderzoek naar zandstormen.
4TU Delft
4TU Eindhoven
4TU Twente
4TU Wageningen

Zet je schrap, er komt een zandstorm aan! 

Plots ligt er een laagje bruingeel zand op je auto, en kleurt de lucht oranjerood. De buurvrouw, die met haar boodschappentrolley voorbijloopt, drukt een sjaal tegen d’r mond. En uit je telefoon ontsnapt een schelle, harde pieptoon: een berichtje van de overheid. Houd ramen en deuren gesloten. Het is een realiteit waar niemand in China meer van opkijkt. Het land gaat namelijk regelmatig gebukt onder grote, hevige zandstormen. De afgelopen jaren deed Jianbing Jin (TU Delft) onderzoek naar dit alles verlammende fenomeen. Hij zocht uit hoe en wáár zanddeeltjes de lucht instuiven.

Hoe komt zand eigenlijk in de lucht terecht? Het is een vraag die verschillende wetenschappers al lange tijd bezighoudt. Eén van die wetenschappers is Arnold Heemink, hoogleraar wiskundige analyse en grootschalige modellen. Heemink begeleidde Jianbing tijdens zijn onderzoek. Heemink: ‘China heeft erg veel last van zandstormen die in de Gobiwoestijn, Mongolië, zijn ontstaan. Het liefst wil je weten wanneer zo’n storm eraan komt, zodat je iedereen op tijd kunt waarschuwen, maar dat is nog behoorlijk lastig.’

Data-assimilatie
Bij het voorspellen van zandstormen wordt, net als bij het weer, gebruik gemaakt van numerieke modellen. Met numerieke modellen worden natuurkundige processen van de atmosfeer doorgerekend vanaf een bepaalde beginsituatie. ‘Maar,’ vertelt Heemink verder. ‘Voor het maken van voorspellingen van bijvoorbeeld het weer zijn behalve numerieke modellen ook waarnemingen van groot belang. Onder meteorologen staat het systematisch combineren van modellen en waarnemingen bekend als data-assimilatie. In zijn proefschrift heeft Jianbing verschillende data-assimilatie-technieken ontwikkeld waarmee satellietgegevens, die de deeltjes concentratie in de lucht over heel China meten, worden gebruikt om terug te rekenen waar en hoe de deeltjes in de lucht terecht gekomen zijn.’

Machine learning
Om beter inzicht te krijgen in het fenomeen zandstorm maakte Jianbing eveneens gebruik van machine learning: het vermogen van een computer om te kunnen leren, zonder dat-ie expliciet geprogrammeerd is. ‘Het lastige aan al die metingen is dat je niet alleen met zand te maken hebt. Er zitten nog allerlei andere stoffen, denk aan de uitstoot van fabrieken, in de lucht. Om het zand van andere stoffen te scheiden, maakte Jianbing gebruik van machine learning. Zodoende kon hij zich dus enkel op zandkorreltjes focussen. Machine learning wordt hier dus gebruikt als aanvulling op bestaande technieken, als een soort van correctiemechanisme.’

Conferentie vol kansen
En dat is precies zoals Arnold Heemink het graag ziet. Onlangs organiseerde hij zelfs een zogenoemde Meeting on mathematics of deep learning. Deep learning, een deelverzameling van machine learning waarin gelaagde neurale netwerken leren van grote hoeveelheden data, is volgens Heemink een belangrijke techniek die ook onder wiskundigen meer aandacht verdient. ‘Deep learning is hartstikke hot, maar veel mensen associëren het met computer science. Terwijl er onder de motorkap juist erg veel wiskunde plaatsvindt. Ik wil mijn vakgenoten ervan doordringen dat wiskunde – op het gebied van deep learning – een belangrijke rol speelt. Wiskunde is één van de pilaren waarop deze techniek leunt.’

Internationaal netwerk
Het doel van de conferentie was dus vooral het benadrukken van de wiskundige kant van deep learning. Een kant die, ook in Delft, zo nu en dan onderbelicht blijft, vindt Heemink. ‘Iedereen weet ons te vinden als het gaat om partiële differentiaalvergelijkingen, maar niet als het gaat om machine learning. Niet onlogisch, want voor veel Nederlandse wiskundigen is deep learning echt nog onontgonnen gebied. Vandaar dat we verschillende sprekers uit het buitenland hebben laten overkomen. Denk bijvoorbeeld aan Lorenzo Rosasco, die vanuit de optimalisatie naar deep learning kijkt. Of aan de Fransman Remi Gribonval. Hij sprak over de verschillende verbanden die je binnen een neuraal netwerk kunt leggen.’

Pushbericht
Maar het werkt dus ook andersom: een techniek als deep learning kan, net zo goed, een belangrijke aanvulling op de wiskunde vormen. Een voorbeeld daarvan is het onderzoek van Jianbing. Maar wat wordt nu zijn volgende stap? Ontvangen mensen in China straks een pushbericht als korreltjes zand de lucht instuiven? ‘Dat is eigenlijk wel een mooi verhaal,’ vertelt Heemink lachend. ‘Onlangs hadden wij een delegatie van de Universiteit van Nanjing op bezoek, één van de oudste en meest prestigieuze universiteiten van China. Tijdens dat bezoek fungeerde Jianbing als vertaler. Tussen alle bedrijven door kwam het onderzoek van Jianbing ter sprake. Zij reageerden direct zó enthousiast op zijn verhaal dat hij terplekke een baan aangeboden kreeg. Grote kans dus dat zijn TU-onderzoek een mooi vervolg krijgt.’

Meer informatie
Adviseur communicatie: Dave Boomkens, D.J.Boomkens@tudelft.nl, +31 6 34 08 14 61.

search
search

Onderzoek zandstorm TU Delft

Zet je schrap, er komt een zandstorm aan! 

Plots ligt er een laagje bruingeel zand op je auto, en kleurt de lucht oranjerood. De buurvrouw, die met haar boodschappentrolley voorbijloopt, drukt een sjaal tegen d’r mond. En uit je telefoon ontsnapt een schelle, harde pieptoon: een berichtje van de overheid. Houd ramen en deuren gesloten. Het is een realiteit waar niemand in China meer van opkijkt. Het land gaat namelijk regelmatig gebukt onder grote, hevige zandstormen. De afgelopen jaren deed Jianbing Jin (TU Delft) onderzoek naar dit alles verlammende fenomeen. Hij zocht uit hoe en wáár zanddeeltjes de lucht instuiven.

Hoe komt zand eigenlijk in de lucht terecht? Het is een vraag die verschillende wetenschappers al lange tijd bezighoudt. Eén van die wetenschappers is Arnold Heemink, hoogleraar wiskundige analyse en grootschalige modellen. Heemink begeleidde Jianbing tijdens zijn onderzoek. Heemink: ‘China heeft erg veel last van zandstormen die in de Gobiwoestijn, Mongolië, zijn ontstaan. Het liefst wil je weten wanneer zo’n storm eraan komt, zodat je iedereen op tijd kunt waarschuwen, maar dat is nog behoorlijk lastig.’

Data-assimilatie
Bij het voorspellen van zandstormen wordt, net als bij het weer, gebruik gemaakt van numerieke modellen. Met numerieke modellen worden natuurkundige processen van de atmosfeer doorgerekend vanaf een bepaalde beginsituatie. ‘Maar,’ vertelt Heemink verder. ‘Voor het maken van voorspellingen van bijvoorbeeld het weer zijn behalve numerieke modellen ook waarnemingen van groot belang. Onder meteorologen staat het systematisch combineren van modellen en waarnemingen bekend als data-assimilatie. In zijn proefschrift heeft Jianbing verschillende data-assimilatie-technieken ontwikkeld waarmee satellietgegevens, die de deeltjes concentratie in de lucht over heel China meten, worden gebruikt om terug te rekenen waar en hoe de deeltjes in de lucht terecht gekomen zijn.’

Machine learning
Om beter inzicht te krijgen in het fenomeen zandstorm maakte Jianbing eveneens gebruik van machine learning: het vermogen van een computer om te kunnen leren, zonder dat-ie expliciet geprogrammeerd is. ‘Het lastige aan al die metingen is dat je niet alleen met zand te maken hebt. Er zitten nog allerlei andere stoffen, denk aan de uitstoot van fabrieken, in de lucht. Om het zand van andere stoffen te scheiden, maakte Jianbing gebruik van machine learning. Zodoende kon hij zich dus enkel op zandkorreltjes focussen. Machine learning wordt hier dus gebruikt als aanvulling op bestaande technieken, als een soort van correctiemechanisme.’

Conferentie vol kansen
En dat is precies zoals Arnold Heemink het graag ziet. Onlangs organiseerde hij zelfs een zogenoemde Meeting on mathematics of deep learning. Deep learning, een deelverzameling van machine learning waarin gelaagde neurale netwerken leren van grote hoeveelheden data, is volgens Heemink een belangrijke techniek die ook onder wiskundigen meer aandacht verdient. ‘Deep learning is hartstikke hot, maar veel mensen associëren het met computer science. Terwijl er onder de motorkap juist erg veel wiskunde plaatsvindt. Ik wil mijn vakgenoten ervan doordringen dat wiskunde – op het gebied van deep learning – een belangrijke rol speelt. Wiskunde is één van de pilaren waarop deze techniek leunt.’

Internationaal netwerk
Het doel van de conferentie was dus vooral het benadrukken van de wiskundige kant van deep learning. Een kant die, ook in Delft, zo nu en dan onderbelicht blijft, vindt Heemink. ‘Iedereen weet ons te vinden als het gaat om partiële differentiaalvergelijkingen, maar niet als het gaat om machine learning. Niet onlogisch, want voor veel Nederlandse wiskundigen is deep learning echt nog onontgonnen gebied. Vandaar dat we verschillende sprekers uit het buitenland hebben laten overkomen. Denk bijvoorbeeld aan Lorenzo Rosasco, die vanuit de optimalisatie naar deep learning kijkt. Of aan de Fransman Remi Gribonval. Hij sprak over de verschillende verbanden die je binnen een neuraal netwerk kunt leggen.’

Pushbericht
Maar het werkt dus ook andersom: een techniek als deep learning kan, net zo goed, een belangrijke aanvulling op de wiskunde vormen. Een voorbeeld daarvan is het onderzoek van Jianbing. Maar wat wordt nu zijn volgende stap? Ontvangen mensen in China straks een pushbericht als korreltjes zand de lucht instuiven? ‘Dat is eigenlijk wel een mooi verhaal,’ vertelt Heemink lachend. ‘Onlangs hadden wij een delegatie van de Universiteit van Nanjing op bezoek, één van de oudste en meest prestigieuze universiteiten van China. Tijdens dat bezoek fungeerde Jianbing als vertaler. Tussen alle bedrijven door kwam het onderzoek van Jianbing ter sprake. Zij reageerden direct zó enthousiast op zijn verhaal dat hij terplekke een baan aangeboden kreeg. Grote kans dus dat zijn TU-onderzoek een mooi vervolg krijgt.’

Meer informatie
Adviseur communicatie: Dave Boomkens, D.J.Boomkens@tudelft.nl, +31 6 34 08 14 61.