Hoppa till huvudinnehåll
RISE logo

Martin Nilsson

Tel +46 70 775 15 74

E-post martin.nilsson@ri.se

Ort Kista

Enhet Datorsystem (102402)

ORCID 0000-0002-7504-0328

Matematisk fysiker, Docent. Min forskning fokuserar på maskininlärning och AI, men jag har arbetat multidisciplinärt med bl.a. signalbehandling, mekatronik, robotik, datavetenskap och biofysik. Jag är särskilt intresserad av neurobiofysik och hur hjärnan kan tipsa oss om hur kunskap kan representeras och behandlas på ett effektivt sätt i datorer.

Se gärna följande video från ett RISE-seminarium där jag ger en populärvetenskaplig presentation av min forskning:
Beyond Deep Learning - What can biology teach us?

Jag publicerade nyligen en representativ artikel i Journal of Physics A: Mathematical and Theoretical, Vol 53, 405201:
The moving-eigenvalue method: hitting time for Itô processes and moving boundaries.

Artikeln handlar om hur man beräknar sannolikheten för när stokastiska processer passerar en given tidsvariabel gräns. Det kan tillämpas på hur hjärnans neuroner behandlar och representerar information. Nyckeln ligger i hur neuronernas interna spänning—den s.k. membranpotentialen—varierar på ett till synes slumpmässigt sätt, och vid passage av ett tröskelvärde skickar en puls vidare till nästa neuron. Förståelsen av denna process kan hjälpa oss utveckla nya, biologiskt inspirerade metoder för kunskapsrepresentation, maskininlärning och AI.

Ett problem med dagens metoder för maskininlärning är att de kräver oerhört mycket data, medan den mänskliga hjärnan kan uppnå imponerande resultat med avsevärt mindre data genom att istället utnyttja dess struktur. Hur detta går till är för närvarande okänt, men artikeln är ett viktigt steg på vägen dit.

För mer detaljerad information, var god se min privata webbsida.