W&T Wetenschap & Technologie
Een plek om te discussiëren over wetenschappelijke onderwerpen, wetenschappelijke problemen, technologische projecten en grootse uitvindingen.
Ik werk aan cancer genomics. In een van de laatste publicaties waar ik bij betrokken was staan alle details uitgelegd: Nature artikel.
Het komt er op neer dat we heel veel moleculaire data van tumoren verzamelen en daar patroon herkenning en statistiek op los laten, om te ontdekken wat kanker veroorzaakt, hoe we het kunnen herkennen en eventueel wat er aan zouden kunnen doen.
[ Bericht 0% gewijzigd door Shivo op 31-07-2009 23:26:37 ]
Het komt er op neer dat we heel veel moleculaire data van tumoren verzamelen en daar patroon herkenning en statistiek op los laten, om te ontdekken wat kanker veroorzaakt, hoe we het kunnen herkennen en eventueel wat er aan zouden kunnen doen.
[ Bericht 0% gewijzigd door Shivo op 31-07-2009 23:26:37 ]
Jesus saves but death prevails.
Het gedrag van stikstofgas onder hoge druk > 10 bar en onder een temperatuur van 150 Kelvin in een botterhamzakje.
Leuk onderzoek.
Leuk onderzoek.
Kan een boterhamzakje zoveel hebben?quote:Op vrijdag 31 juli 2009 23:23 schreef Bankfurt het volgende:
Het gedrag van stikstofgas onder hoge druk > 10 bar en onder een temperatuur van 150 Kelvin in een botterhamzakje.
Leuk onderzoek.
Egregious professor of Cruel and Unusual Geography
Onikaan ni ov dovah
Onikaan ni ov dovah
Ik werk aan modulaire vormen en Galoisrepresentaties, een onderwerp uit de getaltheorie. Het bewijs van de Laatste Stelling van Fermat valt eigenlijk helemaal binnen dit onderwerp en is ook een van de belangrijke mijlpalen op dit gebied.
De zuiver theoretische kant van dit onderwerp wordt al meer dan 40 jaar door de beste wiskundigen ter wereld intensief onderzocht. Zelf werk ik vooral aan de algoritmiek rond dit onderwerp, d.w.z. hoe je kunt rekenen met modulaire vormen en Galoisrepresentaties en probeer ik theorie met berekeningen te combineren.
Een voorbeeld van waar ik mee bezig ben is de Ramanujan tau-functie. Dit is de functie die je krijgt door het oneindige product
D(q) = q * (1-q)24 * (1-q2)24 * (1-q3)24 * ...
uit te werken en daarvan de coefficienten te bekijken:
D(q) = tau(1)q + tau(2)q2 + tau(3)q3 + ... = q - 24q2 + 252q3 + ... .
Op het eerste gezicht lijkt het een wat willekeurig gedefinieerde functie, maar de grap is dat D(q) een zogenoemde modulaire vorm definieert en dit impliceert allerlei diepgaande getaltheoretische eigenschappen van tau.
Een vermoeden van Lehmer poneert dat tau(n) nooit gelijk is aan 0. Voorlopig is er geen enkel zicht op een bewijs voor dit vermoeden, maar het is een leuke uitdaging om het te verifieren voor n tot aan een zo groot mogelijke grens. Het wereldrecord op dat gebied staat momenteel op mijn naam: de kleinste waarde van n waarvoor niet bekend is of tau(n) gelijk is aan 0 is n = 22798241520242687999. Ik wil in elk geval proberen dit record nog verder te verbreken, en dat uiteraard niet door zoveel mogelijk CPU-kracht ertegenaan te gooien, maar door slimme algoritmen ontwikkelen.
De zuiver theoretische kant van dit onderwerp wordt al meer dan 40 jaar door de beste wiskundigen ter wereld intensief onderzocht. Zelf werk ik vooral aan de algoritmiek rond dit onderwerp, d.w.z. hoe je kunt rekenen met modulaire vormen en Galoisrepresentaties en probeer ik theorie met berekeningen te combineren.
Een voorbeeld van waar ik mee bezig ben is de Ramanujan tau-functie. Dit is de functie die je krijgt door het oneindige product
D(q) = q * (1-q)24 * (1-q2)24 * (1-q3)24 * ...
uit te werken en daarvan de coefficienten te bekijken:
D(q) = tau(1)q + tau(2)q2 + tau(3)q3 + ... = q - 24q2 + 252q3 + ... .
Op het eerste gezicht lijkt het een wat willekeurig gedefinieerde functie, maar de grap is dat D(q) een zogenoemde modulaire vorm definieert en dit impliceert allerlei diepgaande getaltheoretische eigenschappen van tau.
Een vermoeden van Lehmer poneert dat tau(n) nooit gelijk is aan 0. Voorlopig is er geen enkel zicht op een bewijs voor dit vermoeden, maar het is een leuke uitdaging om het te verifieren voor n tot aan een zo groot mogelijke grens. Het wereldrecord op dat gebied staat momenteel op mijn naam: de kleinste waarde van n waarvoor niet bekend is of tau(n) gelijk is aan 0 is n = 22798241520242687999. Ik wil in elk geval proberen dit record nog verder te verbreken, en dat uiteraard niet door zoveel mogelijk CPU-kracht ertegenaan te gooien, maar door slimme algoritmen ontwikkelen.
Nog een wiskundige hier. Mijn onderzoek valt voornamelijk onder 'optimal stopping', een specifieke tak van stochastische 'control problems'. In het simpelste geval zijn de ingrediënten een stochastisch proces X en een uitbetalingsfunctie f.
Een stochastisch proces is feitelijk een afbeelding X van [0,T] x Ω naar R (kunnen natuurlijk ook algemenere ruimten zijn) onder bepaalde technische meetbaarheidseigenschappen. Voor elke ω uit Ω is t -> Xt(ω) dus een afbeelding van [0,T] naar R, een pad van het proces, terwijl voor elke t uit [0,T] de afbeelding ω -> Xt(ω) een stochast is. Dus een stochastisch proces kan zowel gezien worden als een collectie stochasten (Xt)t ∈ [0,T] als als een verzameling paden (t -> Xt(ω))ω ∈ Ω. Een stochastisch proces kun je dus ook zien als een stochast die als waarden (bepaalde klassen van) functies van [0,T] naar R heeft (de paden).
De theoretisch interessante aspecten even buiten beschouwing gelaten, hebben zulke processen veel toepassingen. Typisch kun je hierbij denken aan een model van een bepaald fenomeen dat zich in de tijd voorbeweegt en wiens bewegingen niet-deterministisch zijn, zoals binnen de financiële wereld (aandelenkoersen e.d.), binnen de biologie (voortplantingssystemen e.d.) etc. etc. Veel bestudeerde subklassen van stochastische processen zijn bijv. Markovprocessen (processen die een bepaalde onafhankelijkheidsstructuur hebben, die zich laat beschrijven als 'op elk tijdstip s geldt dat de evolutie van het pad in de toekomst, dus (Xt)t ∈ (s,T], (stochastisch) onafhankelijk is van het verleden vóor s, dus van (Xt)t ∈ [0,s)') en meer specifiek Lévyprocessen, die onafhankelijke en gelijk verdeelde incrementen hebben. Hieronder valt bijv. ook de Brownse beweging, waarschijnlijk het meest bekende voorbeeld van een stochastisch proces.
In zijn meest simpele vorm bestaat een optimal stopping problem uit:
(*): maximaliseer de verwachte uitbetaling E[f(Xσ)] over stoptijden σ.
Stoptijden zijn afbeeldingen van Ω naar [0,T] (dus, bij elk pad van het proces kies je een bepaalde tijd om te stoppen) waarbij de beslissing om te stoppen 'alleen van het verleden' afhangt. Je kunt dus niet 'in de toekomst' kijken (anders zou dit probleem natuurlijk ook helemaal niet interessant zijn, dan neem je simpelweg het padsgewijze maximum). Bijv., de afbeelding σ met &sigma(ω) gelijk aan 1 als X2(ω)>0 en &sigma(ω)=T anders is géén stoptijd, omdat wel of niet stoppen op t=1 afhangt van de (toekomstige) toestand X2. De afbeedling σ met &sigma(ω) gelijk aan 2 als X2(ω)>0 en &sigma(ω)=T anders is bijv. wel een stoptijd.
Er bestaat een algemene theorie voor problemen als (*), die je vertelt dat in het geval dat X een Markovproces is een optimale stoptijd gegeven wordt door inf{t >= 0 | Xt ∈ S}, waar S de 'optimal stopping region' is, een deelverzameling van [0,T] x R. Het oplossen van (*) komt dan neer op het karakteriseren van S en het bepalen van de uitkomst van (*).
Basisvoorbeeld uit financiële wiskunde: als f(t,x) = e-r t (K-ex)+ en X een Brownse beweging met drift, dan is (*) de waarde van een Amerikaanse putoptie in het beroemde Black & Scholes model. In het geval dat T=∞ kun je (*) expliciet oplossen en vind je dat S=(-∞,x*) voor een zekere x*. Dat wil zeggen, het is optimaal om te stoppen als het pad van X voor het eerst onder het niveau x* terechtkomt.Bij het bewijs worden veelal martingaaltechnieken, 'stochastic calculus' etc. gebruikt. In het geval dat T<∞ kun je dat niet meer doen en moet je in principe terugvallen op numerieke algoritmes.
Problemen als (*) worden veel interessanter (en moeilijker) als je Lévyprocessen X inzet. Deze heeft i.h.a. paden met sprongen (discontinuiteiten), in tegenstelling tot Brownse beweging. Er is niet zelden behoorlijk diepe theorie nodig om iets zinnigs te kunnen zeggen over (*). Een verdere ontwikkeling is om (*) uit te breiden naar een nulsomspel voor twee spelers, zogenaamde Dynkin games (hierover gaat mijn proefschrift grotendeels).
(Ik moet erbij zeggen dat ik een beetje uitgekeken begin te raken op optimal stopping problems en aanverwanten, en aan het kijken ben naar andere gebieden.)
Een stochastisch proces is feitelijk een afbeelding X van [0,T] x Ω naar R (kunnen natuurlijk ook algemenere ruimten zijn) onder bepaalde technische meetbaarheidseigenschappen. Voor elke ω uit Ω is t -> Xt(ω) dus een afbeelding van [0,T] naar R, een pad van het proces, terwijl voor elke t uit [0,T] de afbeelding ω -> Xt(ω) een stochast is. Dus een stochastisch proces kan zowel gezien worden als een collectie stochasten (Xt)t ∈ [0,T] als als een verzameling paden (t -> Xt(ω))ω ∈ Ω. Een stochastisch proces kun je dus ook zien als een stochast die als waarden (bepaalde klassen van) functies van [0,T] naar R heeft (de paden).
De theoretisch interessante aspecten even buiten beschouwing gelaten, hebben zulke processen veel toepassingen. Typisch kun je hierbij denken aan een model van een bepaald fenomeen dat zich in de tijd voorbeweegt en wiens bewegingen niet-deterministisch zijn, zoals binnen de financiële wereld (aandelenkoersen e.d.), binnen de biologie (voortplantingssystemen e.d.) etc. etc. Veel bestudeerde subklassen van stochastische processen zijn bijv. Markovprocessen (processen die een bepaalde onafhankelijkheidsstructuur hebben, die zich laat beschrijven als 'op elk tijdstip s geldt dat de evolutie van het pad in de toekomst, dus (Xt)t ∈ (s,T], (stochastisch) onafhankelijk is van het verleden vóor s, dus van (Xt)t ∈ [0,s)') en meer specifiek Lévyprocessen, die onafhankelijke en gelijk verdeelde incrementen hebben. Hieronder valt bijv. ook de Brownse beweging, waarschijnlijk het meest bekende voorbeeld van een stochastisch proces.
In zijn meest simpele vorm bestaat een optimal stopping problem uit:
(*): maximaliseer de verwachte uitbetaling E[f(Xσ)] over stoptijden σ.
Stoptijden zijn afbeeldingen van Ω naar [0,T] (dus, bij elk pad van het proces kies je een bepaalde tijd om te stoppen) waarbij de beslissing om te stoppen 'alleen van het verleden' afhangt. Je kunt dus niet 'in de toekomst' kijken (anders zou dit probleem natuurlijk ook helemaal niet interessant zijn, dan neem je simpelweg het padsgewijze maximum). Bijv., de afbeelding σ met &sigma(ω) gelijk aan 1 als X2(ω)>0 en &sigma(ω)=T anders is géén stoptijd, omdat wel of niet stoppen op t=1 afhangt van de (toekomstige) toestand X2. De afbeedling σ met &sigma(ω) gelijk aan 2 als X2(ω)>0 en &sigma(ω)=T anders is bijv. wel een stoptijd.
Er bestaat een algemene theorie voor problemen als (*), die je vertelt dat in het geval dat X een Markovproces is een optimale stoptijd gegeven wordt door inf{t >= 0 | Xt ∈ S}, waar S de 'optimal stopping region' is, een deelverzameling van [0,T] x R. Het oplossen van (*) komt dan neer op het karakteriseren van S en het bepalen van de uitkomst van (*).
Basisvoorbeeld uit financiële wiskunde: als f(t,x) = e-r t (K-ex)+ en X een Brownse beweging met drift, dan is (*) de waarde van een Amerikaanse putoptie in het beroemde Black & Scholes model. In het geval dat T=∞ kun je (*) expliciet oplossen en vind je dat S=(-∞,x*) voor een zekere x*. Dat wil zeggen, het is optimaal om te stoppen als het pad van X voor het eerst onder het niveau x* terechtkomt.Bij het bewijs worden veelal martingaaltechnieken, 'stochastic calculus' etc. gebruikt. In het geval dat T<∞ kun je dat niet meer doen en moet je in principe terugvallen op numerieke algoritmes.
Problemen als (*) worden veel interessanter (en moeilijker) als je Lévyprocessen X inzet. Deze heeft i.h.a. paden met sprongen (discontinuiteiten), in tegenstelling tot Brownse beweging. Er is niet zelden behoorlijk diepe theorie nodig om iets zinnigs te kunnen zeggen over (*). Een verdere ontwikkeling is om (*) uit te breiden naar een nulsomspel voor twee spelers, zogenaamde Dynkin games (hierover gaat mijn proefschrift grotendeels).
(Ik moet erbij zeggen dat ik een beetje uitgekeken begin te raken op optimal stopping problems en aanverwanten, en aan het kijken ben naar andere gebieden.)
heeft de hoop dat het allemaal stiekum toch nog goed komt...
Fotoboek
Fotoboek
Voor de wiskundigen: wat is de maatschappelijke relevantie van dat soort onderzoek? Niet kritisch bedoeld, maar ik weet dat gewoon niet.
Jesus saves but death prevails.
Wat mij betreft, zoals uit mijn verhaaltje blijkt heeft 'optimal stopping' de nodige toepassingen, in verschillende gebieden (financiele industrie, biologie etc.). In de financiele induiistrie bijvoorbeeld wordt ontzettend veel gebruik gemaakt van wiskundige modellen (en optimal stopping), sterker nog, aan een meerderheid (!) van alle transacties op de openbare financiele markten komt geen menselijke beslissing meer te pas, dat is geheel computer (dus model-)gestuurd (zie bijv. http://en.wikipedia.org/wiki/Algorithmic_trading). (Ik claim natuurlijk niet dat dit noodzakelijkerwijs een goed ding is).quote:Op donderdag 6 augustus 2009 14:35 schreef Shivo het volgende:
Voor de wiskundigen: wat is de maatschappelijke relevantie van dat soort onderzoek? Niet kritisch bedoeld, maar ik weet dat gewoon niet.
(Behalve dat wil ik ook graag nog even aanstippen dat het erg vaak zo is dat wiskundige concepten eerst vanuit intrinsieke interesse worden ontwikkeld, en dat toepassingen pas (veel) later komen bovendrijven. (Standaard voorbeeld in dit verband zijn priemgetallen die al vele eeuwen door getaltheoretici etc. worden bestudeerd, en de rol die ze de laatste decennia opeens in encryptie zijn gaan spelen). Dus zelfs als je van mening bent dat wiskunde vooral nuttig is vanwege zijn toepassingen, dan nog is zuivere wiskunde hard nodig.)
heeft de hoop dat het allemaal stiekum toch nog goed komt...
Fotoboek
Fotoboek
Ik heb voor me bachelorthesis 2 onderwerpen behandeld:
Requirements for Strong AI, dus wat maakt iets tot het hebben van Strong AI. Het eerste probleem was dat Strong AI meerdere definities krijg toebedeeld dus ik heb daarvoor een gezamenlijke benodigdheid beargumenteerd: intelligentie. Vervolgens heel wat over intelligentie geschreven en beschreven hoe het te vergelijken zou kunnen zijn en wat getest moet worden en hoe. Het komt er op neer dat om intelligentie te vergelijken je aan 2 dingen moet voldoen: met absolute zekerheid weten wat de doel van het proces (of object, of zelfs persoon) moet weten en als tweede je moet bij beide tests alle input hetzelfde hebben, anders kan een verschil in de input een andere uitkomst bieden, kortom je kunt dan eigenlijk niet eens vergelijken want je test simpelweg op iets anders (bv. herken de appel is niet hetzelfde als herken de banaan).
De reden dat je met absolute zekerheid moet weten dat door beide processen hetzelfde doel wordt gebruikt om het op te lossen kun je zo zien: je hebt een schaakbord, speler A voorspelt dat speler B move X maakt op grond van zijn vermoeden dat het doel van B is om het spel te winnen. Maar speler B maakt een andere move, speler A heeft dan 3 mogelijkheden: speler B is dommer (maar als je intelligenter bent zou je dat moeten zien), speler B is intelligenter (en speler A zal het niet begrijpen) of speler B heeft een ander doel voor ogen bijvoorbeeld de meeste stukjes te winnen (in zo'n geval wordt een pion slaan een grotere prioriteit dan je tegenstander schaakmat te zetten).
Een andere requirement for Strong AI is definen wat mind is, daarvoor heb ik het chinese room argument er bijgehaald en hoe we iets als een mind niet met zekerheid vast kunnen stellen (bij andere mensen nemen we het simpelweg aan) en dat een mogelijk betere toepassing is ervanuit te gaan als het als mind lijkt te werken ipv dat het een mind is (dus computers kunnen worden vergeleken). Ik laat het hier even bij.
Het andere onderwerp was the Symbol Grounding Problem. Een vrij belangrijk probleem in de AI en computaties. Waar het op neer komt is dat de verbinding tussen betekenis en het symbool (bv een woord "boom") niet vanzelfsprekend is en al helemaal niet in een geval van computers. Belangrijke punten in dit onderzoek is dat het zelf kan leren te begrijpen wat deze betekenis en hoe deze verbonden kan worden met symbolen. Op zo'n manier dat het voor de computer zelf goed te gebruiken is en erop kan voortbouwen.
De normale symbol systems (zoals je doorgaanse PC) doet niet anders dan simpele handelingen uitvoeren en symbolen op het beeldscherm projecteren. In dit geval snapt de PC totaal niet wat het doet, toch kunnen PCs prima worden gebruikt voor allerlei problemen op te lossen. De reden dat dit werkt is omdat de gebruiker van de PC wel snapt waar de symbolen voor staan.
Dan heb je nog een connectionism approach die als neural networks zeg maar via training ervoor zorgt dat een input (plaatje van een boom bv) wordt verbonden met het symbool (dus het woord "boom"). Het probleem bij deze aanpak is dat de pc in dit geval nog niet snapt wat je kunt doen met een symbool en is het erg vatbaar om een symbolen systeem te worden doordat de mens meestal besluit welke symbolen met welke input worden verbonden (dus supervised learning). Met gevolg dat de PC nog steeds niet kan voortbouwen op de dingen die het heeft geleerd. Er is nog veel meer, maar ik laat het hierbij
Requirements for Strong AI, dus wat maakt iets tot het hebben van Strong AI. Het eerste probleem was dat Strong AI meerdere definities krijg toebedeeld dus ik heb daarvoor een gezamenlijke benodigdheid beargumenteerd: intelligentie. Vervolgens heel wat over intelligentie geschreven en beschreven hoe het te vergelijken zou kunnen zijn en wat getest moet worden en hoe. Het komt er op neer dat om intelligentie te vergelijken je aan 2 dingen moet voldoen: met absolute zekerheid weten wat de doel van het proces (of object, of zelfs persoon) moet weten en als tweede je moet bij beide tests alle input hetzelfde hebben, anders kan een verschil in de input een andere uitkomst bieden, kortom je kunt dan eigenlijk niet eens vergelijken want je test simpelweg op iets anders (bv. herken de appel is niet hetzelfde als herken de banaan).
De reden dat je met absolute zekerheid moet weten dat door beide processen hetzelfde doel wordt gebruikt om het op te lossen kun je zo zien: je hebt een schaakbord, speler A voorspelt dat speler B move X maakt op grond van zijn vermoeden dat het doel van B is om het spel te winnen. Maar speler B maakt een andere move, speler A heeft dan 3 mogelijkheden: speler B is dommer (maar als je intelligenter bent zou je dat moeten zien), speler B is intelligenter (en speler A zal het niet begrijpen) of speler B heeft een ander doel voor ogen bijvoorbeeld de meeste stukjes te winnen (in zo'n geval wordt een pion slaan een grotere prioriteit dan je tegenstander schaakmat te zetten).
Een andere requirement for Strong AI is definen wat mind is, daarvoor heb ik het chinese room argument er bijgehaald en hoe we iets als een mind niet met zekerheid vast kunnen stellen (bij andere mensen nemen we het simpelweg aan) en dat een mogelijk betere toepassing is ervanuit te gaan als het als mind lijkt te werken ipv dat het een mind is (dus computers kunnen worden vergeleken). Ik laat het hier even bij.
Het andere onderwerp was the Symbol Grounding Problem. Een vrij belangrijk probleem in de AI en computaties. Waar het op neer komt is dat de verbinding tussen betekenis en het symbool (bv een woord "boom") niet vanzelfsprekend is en al helemaal niet in een geval van computers. Belangrijke punten in dit onderzoek is dat het zelf kan leren te begrijpen wat deze betekenis en hoe deze verbonden kan worden met symbolen. Op zo'n manier dat het voor de computer zelf goed te gebruiken is en erop kan voortbouwen.
De normale symbol systems (zoals je doorgaanse PC) doet niet anders dan simpele handelingen uitvoeren en symbolen op het beeldscherm projecteren. In dit geval snapt de PC totaal niet wat het doet, toch kunnen PCs prima worden gebruikt voor allerlei problemen op te lossen. De reden dat dit werkt is omdat de gebruiker van de PC wel snapt waar de symbolen voor staan.
Dan heb je nog een connectionism approach die als neural networks zeg maar via training ervoor zorgt dat een input (plaatje van een boom bv) wordt verbonden met het symbool (dus het woord "boom"). Het probleem bij deze aanpak is dat de pc in dit geval nog niet snapt wat je kunt doen met een symbool en is het erg vatbaar om een symbolen systeem te worden doordat de mens meestal besluit welke symbolen met welke input worden verbonden (dus supervised learning). Met gevolg dat de PC nog steeds niet kan voortbouwen op de dingen die het heeft geleerd. Er is nog veel meer, maar ik laat het hierbij
En, zou je als je zin hebt toch nog eens in lekentaal ongeveer uiteen kunnen zetten wat het doel en grotere perspectief van jouw onderzoek is? Ik heb even gekeken naar het artikel waar je naar linkte, maar kon er niet zo snel tabak van maken (en had eerlijk gezegd niet de tijd om er eens rustig voor te gaan zitten).quote:Op donderdag 6 augustus 2009 14:35 schreef Shivo het volgende:
Voor de wiskundigen: wat is de maatschappelijke relevantie van dat soort onderzoek? Niet kritisch bedoeld, maar ik weet dat gewoon niet.
heeft de hoop dat het allemaal stiekum toch nog goed komt...
Fotoboek
Fotoboek
Ach, het houdt je van de straat.quote:Op donderdag 6 augustus 2009 14:35 schreef Shivo het volgende:
Voor de wiskundigen: wat is de maatschappelijke relevantie van dat soort onderzoek? Niet kritisch bedoeld, maar ik weet dat gewoon niet.
Mijn onderzoek richt zich op het in beeld brengen van hele kleine veranderingen in het menselijk nevlies. Dit is belangrijk om oogziekten als maculaire degeneratie en glaucoom in een vroeg stadium te ontdekken. Het afgelopen jaar hebben we 3-dimensionale plaatjes van het netvlies gepubliceerd, met een resolutie van 3 x 3 x 3 micrometer. Daarmee kun je kegeltjes in 3D laten zien. Het apparaat dat we daarvoor gebouwd hebben, heeft zo'n half miljoen dollar gekost en kan op maar een klein deel van de patienten worden gebruikt. Ik werk nu aan een vereenvoudiging van het apparaat, waarmee het netvlies van een significant groter deel van de patientenpopulatie in beeld kan worden gebracht.
Daarnaast doe ik fundamenteel glaucoomonderzoek. Niet erg praktisch, maar wel interessant. Hiervoor meet ik aan de zenuwlaag (axonen) die bovenop het netvlies liggen. Glaucoom zorgt ervoor dat die axonen verdwijnen. Voorheen dacht men dat in een gezond oog de axonen qua dichtheid evenredig verdeeld waren over het netvlies. Al eerder lieten we zien dat dit niet zo is, en dat de concentratie zenuwmateriaal rondom de oogzenuw (blinde vlek) een factor 2 kan verschillen. Lagere dichtheid links en rechts, hogere dichtheid boven en onder de oogzenuw. Maar nu weten we dat de dichtheid nabij het centrum van je gezichtsveld (waar je mee leest) 50% hoger is dan nabij de oogzenuw.
We hebben nog helemaal niets aan deze informatie, maar toch heb ik me daar al 8 jaar mee zoet kunnen houden. Zoals Thabit schrijft, het houdt je van de straat.
Daarnaast doe ik fundamenteel glaucoomonderzoek. Niet erg praktisch, maar wel interessant. Hiervoor meet ik aan de zenuwlaag (axonen) die bovenop het netvlies liggen. Glaucoom zorgt ervoor dat die axonen verdwijnen. Voorheen dacht men dat in een gezond oog de axonen qua dichtheid evenredig verdeeld waren over het netvlies. Al eerder lieten we zien dat dit niet zo is, en dat de concentratie zenuwmateriaal rondom de oogzenuw (blinde vlek) een factor 2 kan verschillen. Lagere dichtheid links en rechts, hogere dichtheid boven en onder de oogzenuw. Maar nu weten we dat de dichtheid nabij het centrum van je gezichtsveld (waar je mee leest) 50% hoger is dan nabij de oogzenuw.
We hebben nog helemaal niets aan deze informatie, maar toch heb ik me daar al 8 jaar mee zoet kunnen houden. Zoals Thabit schrijft, het houdt je van de straat.
Good intentions and tender feelings may do credit to those who possess them, but they often lead to ineffective — or positively destructive — policies ... Kevin D. Williamson
Klinkt interessantquote:Op vrijdag 7 augustus 2009 11:30 schreef Lyrebird het volgende:
Mijn onderzoek richt zich op het in beeld brengen van hele kleine veranderingen in het menselijk nevlies. Dit is belangrijk om oogziekten als maculaire degeneratie en glaucoom in een vroeg stadium te ontdekken. Het afgelopen jaar hebben we 3-dimensionale plaatjes van het netvlies gepubliceerd, met een resolutie van 3 x 3 x 3 micrometer. Daarmee kun je kegeltjes in 3D laten zien. Het apparaat dat we daarvoor gebouwd hebben, heeft zo'n half miljoen dollar gekost en kan op maar een klein deel van de patienten worden gebruikt. Ik werk nu aan een vereenvoudiging van het apparaat, waarmee het netvlies van een significant groter deel van de patientenpopulatie in beeld kan worden gebracht.
Daarnaast doe ik fundamenteel glaucoomonderzoek. Niet erg praktisch, maar wel interessant. Hiervoor meet ik aan de zenuwlaag (axonen) die bovenop het netvlies liggen. Glaucoom zorgt ervoor dat die axonen verdwijnen. Voorheen dacht men dat in een gezond oog de axonen qua dichtheid evenredig verdeeld waren over het netvlies. Al eerder lieten we zien dat dit niet zo is, en dat de concentratie zenuwmateriaal rondom de oogzenuw (blinde vlek) een factor 2 kan verschillen. Lagere dichtheid links en rechts, hogere dichtheid boven en onder de oogzenuw. Maar nu weten we dat de dichtheid nabij het centrum van je gezichtsveld (waar je mee leest) 50% hoger is dan nabij de oogzenuw.
We hebben nog helemaal niets aan deze informatie, maar toch heb ik me daar al 8 jaar mee zoet kunnen houden. Zoals Thabit schrijft, het houdt je van de straat.
Maak je toevallig gebruik van OCT technologiie?
Egregious professor of Cruel and Unusual Geography
Onikaan ni ov dovah
Onikaan ni ov dovah
Toptopic. Ik denk nog steeds dat het beter is als een aantal mensen een eigen topic aanmaken, aangezien er nu een hoop dingen door elkaar gaan lopen, en het is natuurlijk ook leuk om plaatjes of grafiekjes van je onderzoek te posten (aan de andere kant, word je dan ook wel erg traceerbaar natuurlijk 
).
Zodra ik meer tijd heb ga ik lezen en mijn verschillende onderzoeken posten.
).Zodra ik meer tijd heb ga ik lezen en mijn verschillende onderzoeken posten.
They told me all of my cages were mental, so I got wasted like all my potential.
100% raakgeschoten!quote:Op vrijdag 7 augustus 2009 13:22 schreef ATuin-hek het volgende:
[..]
Klinkt interessant
Enne, wat Speknek hierboven beknipoogd.
[ Bericht 2% gewijzigd door Lyrebird op 07-08-2009 13:52:41 ]
Good intentions and tender feelings may do credit to those who possess them, but they often lead to ineffective — or positively destructive — policies ... Kevin D. Williamson
Ha leuk, ik werk als postdoc wiskunde (kansrekening) aan epidemiologische modellen. Ik heb onder andere het voorrecht aan percolatie theorie te werken, wat m.i. een van de meest elegante modellen uit de kansrekening is. (De standaard vraag is: als je op een oneindig ruitjespapier de lijntjes onafhankelijk van elkaar zwart maakt met kans p, kan er dan een oneindig lang zwart pad ontstaan en hoe hangt de kans hierop van p af?)
Ik werk vooral aan speelgoed modellen voor de verspreiding van epidemieen op sociale en seksuele netwerken.
De vragen waar ik dan naar kijk zijn of een epidemie groot kan worden wat de kans op een grote uitbraak is en welk deel van de populatie bij zo'n grote uitbraak besmet zal worden (of de verwachting van deze proportie).
Verder doe ik tegenwoordig een klein beetje evolutie modellering en verdiep ik me in Wright-Fisher evolutie en Kingman coalescence met uitbreidingen van deze modellen waarbij recombinatie meegenomen wordt.
Ik werk vooral aan speelgoed modellen voor de verspreiding van epidemieen op sociale en seksuele netwerken.
De vragen waar ik dan naar kijk zijn of een epidemie groot kan worden wat de kans op een grote uitbraak is en welk deel van de populatie bij zo'n grote uitbraak besmet zal worden (of de verwachting van deze proportie).
Verder doe ik tegenwoordig een klein beetje evolutie modellering en verdiep ik me in Wright-Fisher evolutie en Kingman coalescence met uitbreidingen van deze modellen waarbij recombinatie meegenomen wordt.
Hoe moet ik dit eigenlijk voor me zien, ben je hier dan ook echt 8 uur per dag mee bezig? Bedoel ik niet mee dat het oninteressant is (integendeel), maar dat ik me moeilijk voor kan stellen dat het mogelijk is.quote:Op dinsdag 11 augustus 2009 08:42 schreef DrParsifal het volgende:
Ha leuk, ik werk als postdoc wiskunde (kansrekening) aan epidemiologische modellen. Ik heb onder andere het voorrecht aan percolatie theorie te werken, wat m.i. een van de meest elegante modellen uit de kansrekening is. (De standaard vraag is: als je op een oneindig ruitjespapier de lijntjes onafhankelijk van elkaar zwart maakt met kans p, kan er dan een oneindig lang zwart pad ontstaan en hoe hangt de kans hierop van p af?)
Oh really?
verhaal van membraaneiwiten moet nog geschreven worden maar de experimenten zijn klaar.
ondertussen ben ik alweer een tijdje bezig met "synthetische biologie" in de vorm van het maken van:
"Heavy metal scavengers with a vertical gas drive."
Voor een ontwerp modeleer wedstrijd met wetwork genaamd iGEM
Linkje naar het team http://2009.igem.org/Team:Groningen
Amsterdam en Delft hebben ook teams
Wat we aan de kennis van de wereld toe willen voegen zijn een proof of principle voor het reinigen van slip en of water. Diversie biobricks aan maken. En promoter sterktes beschrijven.
ondertussen ben ik alweer een tijdje bezig met "synthetische biologie" in de vorm van het maken van:
"Heavy metal scavengers with a vertical gas drive."
Voor een ontwerp modeleer wedstrijd met wetwork genaamd iGEM
Linkje naar het team http://2009.igem.org/Team:Groningen
Amsterdam en Delft hebben ook teams
Wat we aan de kennis van de wereld toe willen voegen zijn een proof of principle voor het reinigen van slip en of water. Diversie biobricks aan maken. En promoter sterktes beschrijven.
Vrouwen moeten niet zeiken over hun uiterlijk. Met hun innerlijk is veel meer mis.
iGEM
iGEM
Deze vraag is ondertussen wel opgelost, al heeft dat 22 jaar geduurd voor de belangrijkste stelling bewezen was. Echter uitbreidingen naar andere netwerken (die meer op sociale netwerken lijken) en de invloed van contacten over grotere afstand zijn nog niet helemaal begrepen en met dat soort uitbreidingen ben ik wel acht uur per dag bezig ja. De vragen kunnen dan vertaald worden naar wat zijn goede targetgroepen om de verspreiding van Chlamydia in Nederland binnen de perken te houden enz. Al zijn de wiskundige vragen op zich voor mij al interessant genoeg.quote:Op dinsdag 11 augustus 2009 19:10 schreef Matthijs- het volgende:
[..]
Hoe moet ik dit eigenlijk voor me zien, ben je hier dan ook echt 8 uur per dag mee bezig? Bedoel ik niet mee dat het oninteressant is (integendeel), maar dat ik me moeilijk voor kan stellen dat het mogelijk is.
Kickje,
Ik ben benieuwd hoe iedereen inmiddels is gevorderd in het onderzoek? Of inmiddels uit frustratie gestopt?
Ik ben zelf pas met een PhD in Duitsland begonnen in de meteorologie, zal vanavond wel een proberen de doelen van mijn (toekomstige) onderzoek samen te vatten. Het onderzoek van thijs lijkt mij zeer interessant, heeft ook raakvlakken met mijn onderzoek wat als onderwerp extreem neerslag heeft. Al benader ik het meer uit een dynamische meteorologische manier.
Ik ben benieuwd hoe iedereen inmiddels is gevorderd in het onderzoek? Of inmiddels uit frustratie gestopt?
Ik ben zelf pas met een PhD in Duitsland begonnen in de meteorologie, zal vanavond wel een proberen de doelen van mijn (toekomstige) onderzoek samen te vatten. Het onderzoek van thijs lijkt mij zeer interessant, heeft ook raakvlakken met mijn onderzoek wat als onderwerp extreem neerslag heeft. Al benader ik het meer uit een dynamische meteorologische manier.
You don't need a weatherman to know which way the wind blows.
---------------------------------------------------------------------------------------------------------------------------------------------
Album top 100 2024
---------------------------------------------------------------------------------------------------------------------------------------------
Album top 100 2024
Er is ook een topic speciaal voor promovendi: Promoveren #5: Met (on-)gegronde Amerikavrees.
heeft de hoop dat het allemaal stiekum toch nog goed komt...
Fotoboek
Fotoboek
Als het hier toch gekickt is:
Ik werk aan simulatiemethoden om het gedrag van kleine (+/- 2000) verzamelingen ionen in een ionenval te onderzoeken. De bedoeling is dat de plaatjes die mijn simulatie uitspuugt vergeleken worden met beelden die een camera in de opstelling maakt, zodat daaruit onder andere de temperatuur van het ensemble bepaald kan worden. Dat wordt dan weer gebruikt om heel precies bepaalde overgangen van HD+-ionen te meten, omdat het kan
Ik werk aan simulatiemethoden om het gedrag van kleine (+/- 2000) verzamelingen ionen in een ionenval te onderzoeken. De bedoeling is dat de plaatjes die mijn simulatie uitspuugt vergeleken worden met beelden die een camera in de opstelling maakt, zodat daaruit onder andere de temperatuur van het ensemble bepaald kan worden. Dat wordt dan weer gebruikt om heel precies bepaalde overgangen van HD+-ionen te meten, omdat het kan
|
|
