Premiati i ricercatori dell'ETH
Il Consiglio europeo della ricerca (ERC) ha pubblicato la scorsa settimana i destinatari degli ERC Consolidator Grant. Anche l'ETH Petra Dittrich è stata premiata con l'ambito finanziamento per giovani talenti eccellenti. Anche Martin Vechev è stato successivamente premiato con una ERC Starting Grant.
Il professore dell'ETH Petra Dittrichsviluppa piccoli sistemi analitici per la biologia e la chimica con il termine chiave "tecnologia lab-on-a-chip". Nel suo progetto ERC, vuole sviluppare ulteriormente questa tecnologia per produrre cellule artificiali di semplice costruzione con funzionalità simili a quelle delle cellule viventi. Il primo passo sarà quello di produrre cellule standardizzate con una composizione definita di vari componenti sintetici. Serviranno come sistemi modello per la ricerca biologica, ad esempio per studiare in dettaglio la funzione della membrana cellulare. Le cellule ibride realizzate con componenti naturali e sintetici, che Dittrich sta cercando di sviluppare nell'ambito del progetto, potrebbero un giorno essere utilizzate come biosensori nell'analisi lab-on-chip e per la produzione di proteine e altre biomolecole.
I ritardatari delle sovvenzioni di avviamento
Dopo che l'ETH News aveva annunciato, nel dicembre dello scorso anno, che sette ricercatori dell'ETH si erano candidati con successo a un ERC Starting Grant, ora è stato annunciato che un altro scienziato dell'ETH di Zurigo beneficerà di un finanziamento dell'UE: Martin Vechev ha infatti ottenuto un ERC Starting Grant.
Martin Vechev,Petra Dittrich, professore assistente presso il Dipartimento di informatica, sviluppa nuovi metodi che aiutano a rendere il software più affidabile, sicuro ed efficiente. Poiché i programmi informatici e i compiti che risolvono stanno diventando sempre più ampi e complessi, i metodi utilizzati finora stanno raggiungendo i loro limiti. Nel suo progetto ERC, Vechev vuole superare questi limiti utilizzando enormi database di software open source noti come "big code". L'obiettivo è filtrare semanticamente le informazioni in esse contenute utilizzando metodi di apprendimento automatico e analizzandole poi statisticamente. Le conoscenze acquisite in questo modo dovrebbero aiutare a sviluppare nuovi metodi di programmazione, eventualmente anche metodi che possano essere utilizzati per automatizzare parti della programmazione.