48 tutkijatohtoria luonnontieteiden ja tekniikan aloille

Koska kaikkia erinomaiseksi arvioituja (loppuarvosana 6 tai 5) hakemuksia ei voitu rahoittaa, toimikunta teki valinnat näiden vahvojen hakemusten välillä asiantuntijalausuntojen ja sen rahoituspäätöksentekoa ohjaavien linjauksien ja kriteerien (www.aka.fi/LT-kriteerit) perusteella. Tärkeimmät kriteerit olivat hakijan henkilökohtainen pätevyys sekä tutkimuksen laatu, vaikuttavuus ja uutuusarvo. Toimikunta piti tärkeänä myös tutkijan liikkuvuutta sekä aiempaa kokemusta erilaisissa tutkimusympäristöissä työskentelystä.

Syyskuun 2016 haussa toimikunta tuki luonnontieteiden ja tekniikan tutkimuksen alaa laaja-alaisesti. Lisäksi toimikunta osoitti strategista lisäpanostusta Suomen taloudelle ja hyvinvoinnille tärkeille osaamisaloille:

- energia-, ympäristö- ja materiaalitehokkaat teknologiat
- bio- ja nanoteknologiat
- terveys- ja hyvinvointiteknologiat
- arktisen osaamisen menetelmät

Näiden alojen hakemuksista 43 kappaletta sai tieteellisessä arvioinnissa erinomaiset arviot. Näistä toimikunta rahoitti 20 kappaletta. Rahoitetut tutkijatohtorit tutkivat muun muassa seuraavia aiheita:

TkT Harri Ali-Löytty Tampereen teknillisestä yliopistosta kehittää tehokkaita valokatalyyttimateriaaleja. Auringon säteilyenergia on mahdollista muuttaa kemialliseksi energiaksi reaktiolla, jossa vesimolekyyli pilkotaan auringon valon avulla vedyksi ja hapeksi puolijohdemateriaalin pinnalla. Puolijohdemateriaalin pinnalle tarvitaan reaktionopeutta edistävä valokatalyyttimateriaali, koska tunnetut puolijohdemateriaalit ovat liian kalliita käytettäväksi laajamittaisessa energiantuotannossa. Tehokkaan valoaktiivisen materiaalin kehittäminen mahdollistaisi energiantuotannon uudella aurinkopolttoainepaneelilla.

FT Tiina Nygård ilmatieteenlaitokselta tutkii ilmakehän kosteutta, pilviä ja säteilyprosesseja arktisella alueella. Pilvet ovat yksi merkittävimmistä sään ennustuksen ja ilmastomallinnuksen virhelähteistä. Työssä selvitetään muun muassa, kuinka ilmakehän kosteus ja sen kuljetus ovat yhteydessä pilvien jakaumiin arktisella alueella. Tutkimuksessa käytetään tilastoaineistoja kuten satelliittiaineistoa, havaintoja Arktisilta observatorioilta sekä numeerisia simulaatioita.

FT Lassi Paavolainen Helsingin yliopistosta selvittää, kuinka koneoppimista voidaan soveltaa syöpäsolujen profiloinnissa. Työssä hyödynnetään syväoppimista, joka on ollut viime vuosina parhaiten menestynyt koneoppimisen muoto. Työssä käytetään myös miljoonia mikroskooppikuvia syöpäsoluista. Tutkimus tarjoaa uusia työkaluja syöpätutkijoiden käyttöön.

FT Lassi Rieppo Oulun yliopistosta tutkii infrapunaspektroskopian kykyä tunnistaa nivelrikon ja vammojen aiheuttamia rustovaurioita. Nivelrikko on yleinen nivelsairaus, joka heikentää ihmisen elämänlaatua ja aiheuttaa merkittäviä kustannuksia yhteiskunnalle heikentyneen työkyvyn ja hoitokulujen takia. Nivelrikon varhainen toteaminen on tärkeää, jotta sen etenemistä hidastavat elämäntapamuutokset voidaan aloittaa mahdollisimman pian. Infrapunaspektroskopian avulla voidaan määrittää nivelruston biokemiallinen koostumus varhaisessa vaiheessa, jopa niveltähystyksen aikana. Tähystyksen aikana tapahtuva nivelruston laadun määrittäminen mahdollistaisi muun muassa kirurgisten hoitotoimenpiteiden aiempaa paremman suunnittelun.

- rahoituspäätökset