Forschung

Um Probleme bei der Diagnose und Behandlung von Brustkrebs zu lösen, haben Forschende der EPFL EMBER entwickelt, ein Tool, das transkriptomische Brustkrebsdaten aus verschiedenen Datenbanken integriert. EMBER kann die Präzisionsonkologie verbessern, indem es molekulare Subtypen und das Ansprechen auf die Therapie genau vorhersagt.

Forschende der Eawag und des Swiss Data Science Center haben KI-Algorithmen mit einem umfassenden ökotoxikologischen Datensatz trainiert. Jetzt können ihre Machine-Learning-Modelle vorhersagen, wie giftig Chemikalien für Fische sind.

PrISMa wurde an der EPFL, der Heriot-Watt University und der ETH Zürich entwickelt und ist eine neue Plattform, die fortschrittliche Simulationen und maschinelles Lernen einsetzt, um Technologien zur Kohlendioxidabscheidung zu optimieren, indem sie die Perspektiven verschiedener Interessengruppen frühzeitig im Forschungsprozess berücksichtigt.

Die EPFL wurde vom EUROfusion-Konsortium mit der Entwicklung eines fortschrittlichen Visualisierungssystems für einen Vorprozess der Kernfusion beauftragt. Das System soll Unmengen von Simulations- und Testdaten in Echtzeitgrafiken umwandeln, die den heutigen modernen Videospielen entsprechen.

Forschende der ETH und der Empa haben ein Implantat aus Hydrogel entwickelt, das zur Vorbeugung der weit verbreiteten Frauenkrankheit Endometriose eingesetzt werden kann. Gleichzeitig dient es als Verhütungsmittel.

EPFL-Forschende haben herausgefunden, dass die Tiefenwassererneuerung im Genfersee im Winter nicht nur auf die vertikale Durchmischung zurückzuführen ist. Vielmehr spielen starke Strömungen aus dem Becken des Petit Lac und den küstennahen Zonen des Grand Lac eine wichtige Rolle.

Wenn die Eismassen auf der Erde schmelzen, verändert dies auch die Art, wie sich die Erde dreht. ETH-Forschende konnten nun zeigen, wie der Klimawandel die Erdrotationsachse und die Tageslänge verändert. Auch die bisher vom Mond beeinflusste Drehgeschwindigkeit hängt neu viel mehr vom Klima ab.

Ein neu entwickelter Airshield unterstützt Leichtathlet:innen wie Mujinga Kambundji beim Übergeschwindigkeitstraining.

Die Artenvielfalt schwindet rasant, während die Massnahmen zu ihrem Schutz den Zielen hinterherhinken. Da hilft nur eines: Die knappen Ressourcen möglichst dort einsetzen, wo es am meisten bringt, und das möglichst effizient. Das Forschungsprojekt «Lanat-3» liefert mit Hilfe der neusten Daten und von KI-gestützten Modellen die Grundlagen dafür.

Forschende der EPFL haben einen Durchbruch erzielt, indem sie verstanden haben, wie generative Modelle, die auf neuronalen Netzen basieren, im Vergleich zu herkömmlichen Datenabfragetechniken in komplexen Systemen abschneiden, und dabei sowohl Herausforderungen als auch Chancen für die Zukunft der KI bei der Datengenerierung erkannt.

ETH-Forschende entwickeln ein von der Natur inspiriertes Verfahren, das Europium effizient aus alten Leuchtstofflampen zurückzugewinnt. Der Ansatz könnte zum lang erhofften Recycling von Seltenerdmetallen führen.

EPFL-Ingenieurfachleute haben ein Gerät entwickelt, das Wärme effizient in elektrische Spannung umwandeln kann, und zwar bei Temperaturen, die niedriger sind als die im Weltraum. Die Innovation könnte dazu beitragen, ein bedeutendes Hindernis für die Weiterentwicklung von Quantencomputertechnologien zu überwinden, die extrem niedrige Temperaturen benötigen, um optimal zu funktionieren.

Ein neuer Ansatz für das Elektrolyt in Lithium-Metall-Batterien könnte die Reichweite von Elektrofahrzeugen erheblich steigern. Um diese Batterien zu stabilisieren, benötigen ETH-Forschende viel weniger umweltschädliches Fluor.

Wissenschaftlerinnen und Wissenschaftler der EPFL stellen DiffPALM vor, eine innovative KI-Methode, die die Vorhersage von Proteininteraktionen und das Verständnis biologischer Prozesse verbessert, die für medizinische Anwendungen relevant sein könnten.

Die EPFL ist offiziell als Gründungsmitglied dem Projekt Multi Spectroscopic Telescope (MUST) beigetreten, das von der chinesischen Tsinghua-Universität geleitet wird. Dieses Vorzeigeprojekt wird es den Wissenschaftlerinnnen und Wissenschaftlern ermöglichen, das junge Universum, die dunkle Energie und die dunkle Materie besser zu verstehen.