Under hösten har finalisterna för Children’s Climate Prize löpande presenterats och sist ut av årets fem finalister är Akhila Ram, 17 år från Lexington, USA.
Med hjälp av maskininlärning har Akhila utvecklat en modell som övervakar grundvattennivåer.
En lösning som har stor potential att ge helt nya möjligheter att planera och övervaka grundvatten.
Vattenbrist är ett växande problem globalt på grund av klimatförändringar, överpumpning och bristfällig förvaltning. Eftersom grundvattnet snabbt utarmas i många delar av världen kan effekterna bli katastrofala för lokalsamhällen, för människors hälsa och för miljön. Aktuell och uppdaterad grundvattenövervakning är avgörande för att upprätthålla världens vattenresurser, men nuvarande övervaknings- och datasystem varken tillhandahåller tillräcklig eller lättillgänglig information. Akhila Ram, 17 år från Lexington, USA ville göra något åt detta och utvecklade därför en modell som använder satellitdata för att med hög noggrannhet förutsäga förändringar i grundvattnet i USA. En lösning som har stor potential att skalas upp och få stor betydelse för många världen över.
– Det är verkligen en stor ära för mig att bli utvald som finalist för Children’s Climate Prize. Att dessutom vinna skulle vara en fantastisk bekräftelse på allt det hårda arbete jag har lagt ner, säger Akhila Ram.
Akhilas modell använder sig av maskininlärning och med hjälp av en instrumentpanel kan den inhämtade datan enkelt göras tillgänglig för alla att ta del av för att se förekommande trender i grundvattennivåerna. Med dessa exakta mätningar är lokala politiker utrustade med de verktyg som behövs för att bevara sin regions resurser och eliminera överdriven grundvattenutarmning.
Vinnaren av Children’s Climate Prize får ta emot diplom, medalj och en prissumma på 100.000 SEK för att utveckla sitt projekt. Vem årets vinnare är kommer att presenteras i november.
– Jag skulle vilja publicera mitt arbete i en peer-reviewed tidskrift och vinstpengarna skulle delvis kunna gå till att betala kostnaderna för artikelbearbetning, men också till att kunna köpa GPU-beräkningar för att bygga en större modell samt till min collegeutbildning, säger Akhila.
Löpande övervakning av grundvattennivåer med hjälp av maskininlärning
Akhila Ram, 17 år från Lexington, USA
Juryns motivering:
Grundvattenövervakning är normalt mycket kostsam, så Akhilas lösning skulle kunna ge helt nya möjligheter att planera och övervaka grundvatten. Hennes arbete är vetenskapligt imponerande och den potentiella skalbarheten för hennes maskininlärningsmodell är enorm där denna typ av data är allmänt tillgänglig. Att kunna förutsäga och planera grundvattenresurser skulle kunna vara till nytta för både lokala politiker och medborgare och få stor betydelse för många.