Wiskundige Nazanin Abedini richtte haar onderzoek op het proces van data-assimilatie: het slim combineren van wiskundige modellen en praktijkmetingen tot een zo nauwkeurig mogelijk beeld van de werkelijkheid. In veel sectoren, van weersvoorspelling tot technische systemen, worden voorspellingen gebaseerd op modellen die in de praktijk nooit perfect zijn. Tegelijkertijd zijn sensorgegevens vaak ruisgevoelig, onvolledig of onregelmatig beschikbaar. Abedini vergelijkt deze situatie met een LEGO-set waarvan de handleiding deels ontbreekt: men kan niet uitsluitend op de instructies vertrouwen, maar moet ook kijken naar de beschikbare stukjes en andere voorbeelden om tot de juiste constructie te komen.

De belangrijkste uitkomst van het onderzoek is dat voorspellingen verrassend robuust kunnen zijn, zelfs wanneer data gebrekkig is. Systemen blijken de werkelijkheid goed te kunnen volgen, ook wanneer gegevens ruis bevatten of deels ontbreken. Het combineren van verschillende databronnen kan de nauwkeurigheid verder verbeteren, mits dit op de juiste manier gebeurt. Een cruciale rol is daarbij weggelegd voor de frequentie waarmee tussen databronnen wordt gewisseld: die bepaalt in sterke mate hoe stabiel en betrouwbaar de voorspellingen uitvallen. Opvallend is ook dat het mogelijk blijkt om vooraf in te schatten hoe nauwkeurig een voorspelling zal zijn.

De bevindingen hebben brede maatschappelijke relevantie. In veel moderne toepassingen moeten beslissingen worden genomen op basis van onvolledige informatie, zoals bij autonome voertuigen die hun omgeving continu analyseren, energienetwerken die vraag en aanbod in balans houden, draadloze sensornetwerken in slimme steden en systemen voor klimaat- en milieumonitoring. De manier waarop sensoren worden ingezet, en hoe vaak tussen verschillende informatiebronnen wordt gewisseld, heeft directe invloed op de kwaliteit van voorspellingen. Dat is vooral van belang in systemen waar data niet continu beschikbaar is, bijvoorbeeld door beperkingen in batterijcapaciteit of bandbreedte.

Voor ingenieurs bieden de resultaten concrete richtlijnen. Te weinig schakelen tussen databronnen kan de nauwkeurigheid verminderen, terwijl een goed gekozen schakelfrequentie zorgt voor stabielere en betere voorspellingen. In praktische toepassingen, zoals milieumonitoring met batterijgevoede sensoren, kan hiermee worden bepaald hoe vaak sensoren actief moeten zijn om zowel energie te besparen als betrouwbare informatie te leveren. De inzichten zijn direct toepasbaar in algoritmen voor robotica, slimme infrastructuur en klimaatmodellen. Nazanin Abedini verdedigt haar proefschrift op 7 mei aan de Vrije Universiteit Amsterdam.