ERC Starting Grant voor Delftse onderzoekers
De European Research Council (ERC) heeft de ERC Starting Grants voor jonge onderzoekers bekend gemaakt. Twee van hen zijn wetenschappers van de TU Delft. Deze Europese subsidie is bedoeld om individuele wetenschappers hun eigen teams te laten opbouwen en baanbrekend onderzoek te doen.
De ERC Starting Grant-ontvangers van de TU Delft zijn:
BioAlk - Het duurzaam produceren van organische moleculen
De laatste jaren gebruikt de industrie steeds vaker enzymen, de ‘katalysatoren van Moeder Natuur’, voor de productie van medicijnen, geurstoffen en andere nuttige moleculen. Die omarming van organische chemie is heel logisch. Enzymen kunnen namelijk duurzamer én goedkoper dan de giftige stoffen die nu nog veel worden gebruikt om chemische reacties aan te drijven.
Helaas zijn er tot nu toe maar weinig enzymen ontwikkeld waarmee op een efficiënte manier zogenaamde 'koolstof-koolstofbindingen' kunnen worden gevormde - de verbindingen die aan de basis liggen van alle organische moleculen. Momenteel worden organische moleculen daarom nog steeds gemaakt met behulp van verschillende klassieke chemische methoden, zoals met behulp van zeldzame metalen zoals palladium. Caroline Paul wil hier verandering in brengen. Haar ERC-project, BioAlk, is erop gericht om bestaande enzymen zodanig aan te passen dat ze koolstof-koolstofbindingen kunnen vormen. Door het gen dat verantwoordelijk is voor de productie van zo’n enzym in te bouwen in een e.coli-bacterie, kan het vervolgens op grote schaal worden verkregen.
De tijd is rijp voor dit project, vindt Paul. “We kunnen tegenwoordig heel gericht enkele aminozuren aanpassen om mutanten van een enzym te maken. Het doel is dat zo'n gemanipuleerd enzym dan de scheikunde doet die we willen.. Dat lukt steeds beter, met behulp van bioinformatica kunnen we tot op zekere hoogte voorspellen wat het effect van specifieke mutaties is.” Deze wetenschappelijke tak van sport, de kunstmatige verbetering van enzymen, is sterk in opkomst. In 2018 kreeg de Amerikaanse onderzoeker Frances Arnold de Nobelprijs voor Scheikunde voor haar grensverleggende werk op dit gebied.
Over de kans van slagen van haar project is Caroline Paul optimistisch: "We zullen proofs of concept ontwikkelen, wat nieuwe wegen zal openen voor chemische synthese." De beoordelaars van het project waren zeer te spreken over Pauls ambitie. Eén van hen schreef dat het project de potentie heeft om een echte gamechanger te zijn, die Europa een leidende positie kan geven op het gebied van de biokatalyse.
Peyman Mohajerin Esfahani
<link augustus erc-starting-grant-for-peyman-mohajerin-esfahani _blank>TRUST
Nederlandse tekst volgt
Recent developments in sensing and communication technology offer unprecedented opportunities by ubiquitously collecting data at high detail and at large scale. Utilization of data at these scales, however, poses a major challenge for control systems, particularly in view of the additional inherent uncertainty that data-driven control signals introduce to systems behaviour. This effect has not been well understood to this date, primarily due to the missing link between data analytics techniques in machine learning and the underlying physics of dynamical systems.
Esfahani addresses this issue by proposing a novel control design paradigm embracing ideas from the emerging field of distributionally robust optimization (DRO). DRO is a decision-making model whose solutions are optimized against all distributions consistent with given prior information. Recent breakthrough work, among others by the PI of this proposal, has shown that many DRO models can be solved in polynomial time even when the corresponding stochastic models are intractable. DRO models also offer a more realistic account of uncertainty and mitigate the infamous post-decision disappointment of stochastic models.
Peyman Mohajerin Esfahani: “This proposal lays the theoretical foundation for distributionally robust control and aims to make progress along four directions. (i) Decision-dependent ambiguity: I introduce the concept of invariant ambiguity sets to encompass the dynamic evolution of uncertainty. (ii) Dynamic programming: I establish a dynamic programming characterization of the proposed DRO models and provide tractable approximation schemes along with rigorous theoretical bounds. (iii) Safe and memory-efficient learning: Leveraging modern tools from kernel methods and online-optimization, I propose tractable, yet provably reliable, synthesis tools. (iv) I plan to develop a tailor-made modelling language and open-source software to make distributionally robust control methods accessible in industry-size applications.”