Ozan Öktem

Ozan Öktem forskar om metoder för att lösa inversa problem, där målsättningen är att återskapa indata till en simulator så att denna genererar utdata som matchar observationer. Att lösa ett invers problem svara på så vis mot att köra en simulator "baklänges".

Inversa problem dyker upp inom flertal tillämpningar exempelvis tomografi, mikroskopi, fjärranalys, och radar/sonar. En svårighet med att lösa inversa problem är att de är illaställda, vilket betyder att lösningen helt kan ändra karaktär på grund av ett mycket litet mätfel i observationerna. Eftersom mätfel i praktiken är oundvikliga måste lösningsmetoden konstrueras på ett sådant sätt att man kan vara säker på att den lösning som beräknas är vettig. Detta sker genom regularisering, vilket är ett matematiskt ramverk för att ta hänsyn till information om lösningen som är känd på förhand.

Ozan och hans forskargrupp har utvecklat metoder för att lösa inversa problem som kombinerar djupinlärning med klassisk tillämpad matematik. Dessa har med stor framgång tillämpats på låg-dos tomografi. En annan utveckling avser regulariseringsmetoder som använder information om form (shape), något som visat sig vara kraftfullt för 3D elektronmikroskopi av proteiner. Dessa metoder tillämpas även på tomografisk avbildning av organ i rörelse.