Filter results

9657 resultaten

Indian Institute of Technology Delhi and the Delft University of Technology collaborate to advance sustainable fuel technologies

Researchers from the Indian Institute of Technology Delhi (IIT Delhi) and the Delft University of Technology (TU Delft) have collaborated to advance sustainable fuel technologies through a joint project focused on bio-oil upgradation. The project, titled Bio-oil Upgradation to Fuel Range Hydrocarbons via Integrated Hydrodeoxygenation and Aqueous Phase Reforming, is being led by Prof. Sreedevi Upadhyayula from IIT Delhi and Dr. Atul Bansode from TU Delft, with support from both institutions under the MFIRP initiative. The primary objective of this collaboration is to develop a sustainable method to convert lignin-derived bio-oil into valuable fuel-range hydrocarbons using catalytic processes. The work focuses on reducing the need for external hydrogen donors and freshwater by utilizing the bio-oil’s inherent compounds, which contributes to cleaner and more economically viable bio-refineries. A key aspect of the research has been the integration of Aqueous Phase Reforming (APR) with Hydrodeoxygenation (HDO). APR, which converts bio-oil components into hydrogen and hydrocarbons with water as a solvent, is performed at relatively low temperatures and is essential for hydrogen generation. The hydrogen produced in this process can then be used to support HDO, which efficiently removes oxygen from bio-oil to create fuel-range hydrocarbons. The results from APR have been particularly promising. TUD work reported that using platinum-based catalysts, APR successfully achieved up to 60% conversion of maltose, a model compound with 42% hydrogen selectivity (Figure 1). Conversion and selectivity are based on analysis of only gaseous products. Whereas, for HDO reaction, the FESEM analysis, (Figure 2) revealed the enhanced surface morphology and dispersion of active sites in Cu-Re-SiO₂ catalysts after reduction, which significantly improved the catalytic performance and stability in bio-oil conversion processes. The collaboration also involves reciprocal visits between the two institutions to facilitate knowledge sharing and advance experimental setups. Prof. Upadhyayula visited TU Delft, where discussions on the project's future directions were held while Dr. Bansode is set to visit IIT Delhi. The two teams have already begun joint publications, including a book chapter titled “Pyrolysis Bio-oil Upgradation to Fuels”, set to be published in 2024 along with journal articles. The project’s long-term goal is to contribute to the global shift toward sustainable energy by offering alternatives to fossil fuels and reducing environmental impact. The research findings have potential applications in both Europe and India, particularly in lignin-abundant industries such as paper and ethanol production. Figure 1. % Product Selectivity for all four screened catalysts Figure 2. Field emission scanning electron microscopy microstructure image of catalyst after reduction (a) Cu-SiO2 catalyst (b) Cu-Re-SiO2 catalyst

Half Height Horizontal

Nieuwe LDE trainee in D&I kantoor

Keehan Akbari is begin september begonnen als nieuwe LDE trainee bij het Diversity and Inclusion kantoor. Wat motiveerde hem om voor het D&I office te gaan werken, wat verwacht hij te bereiken tijdens dit traineeship? Lees het korte interview hieronder! Wat motiveerde je om je LDE-traineeship bij het Diversity and Inclusion office van TU Delft te volgen? Ik heb zowel de bachelor als de master Culturele Antropologie en Ontwikkelingssociologie aan de Universiteit Leiden afgerond. Binnen deze discipline ging mijn interesse vooral uit naar thema's als inclusie en diversiteit. Nadat ik was aangenomen als trainee voor het LDE-traineeship, ontdekte ik dat één van de mogelijke opdrachten toebehoorde aan het Diversity and Inclusion office. De keuze was vervolgens wat mij betreft snel gemaakt. Ik zag dit namelijk als een uitgelezen kans om de theorieën die ik tijdens mijn studie had geleerd in de praktijk toe te passen. Welke specifieke vaardigheden of ervaringen breng je mee naar het D&I kantoor die zullen helpen inclusiviteit op de campus te bevorderen? Ik ben iemand die graag verbindt in plaats van polariseert door rekening te houden met verschillende perspectieven en belangen van stakeholders. Ik geloof dat dit de manier is waarop je het meeste kunt bereiken bij het bevorderen van diversiteit en inclusie. In mijn optiek moet je namelijk meerdere partijen aan boord krijgen om de beste resultaten te behalen. Wat zijn je belangrijkste doelen nu je hier begint en hoe hoop je een impact te hebben? Een belangrijk doel voor mij dit jaar is om studenten meer te betrekken bij diversiteit en inclusie aan de universiteit. Eén manier waarop ik dit wil bereiken is door bij te dragen aan de oprichting van D&I studententeams. Door een D&I-studententeam op te richten voor faculteiten, wordt het mogelijk om gericht diversiteits- en inclusie gerelateerde kwesties aan te pakken die van toepassing zijn op de desbetreffende faculteit. Hoe denk je de verschillende (studenten)gemeenschappen binnen de universiteit te benaderen? Aangezien ik nieuw ben aan de TU Delft, is het allereerst van belang om hier mijn netwerk uit te breiden. Daarom ben ik op dit moment bezig met het verkennen van de universiteit en het kennismaken met verschillende stakeholders. Daarnaast ben ik van plan om nauw contact te onderhouden met verschillende studenten- en studieorganisaties om samen te onderzoeken hoe we de samenwerking op het gebied van diversiteit en inclusie kunnen versterken. Welkom bij ons team Keehan en we wensen je veel succes met je traineeship!

Wetenschappers TU Delft en Cambridge University werken samen aan innovatieve methoden om klimaatverandering te bestrijden

Al ruim anderhalf jaar werken onderzoekers van de TU Delft en het Cambridge University Centre for Climate Repair intensief samen aan baanbrekende technieken om wolken te beïnvloeden in de strijd tegen de opwarming van de aarde. Tijdens een tweedaagse bijeenkomst bespreken de teams hun voortgang. De onderzoekers van Cambridge richten zich op de technische ontwikkeling van een systeem dat zeewater kan vernevelen, waarbij zoutkristallen in de lucht worden gebracht om wolkenvorming te beïnvloeden. Het team van TU Delft, onder leiding van Prof. dr. ir. Herman Russchenberg, wetenschappelijk directeur van het TU Delft Climate Action Programma en hoogleraar Atmospheric Remote Sensing, onderzoekt de natuurkundige effecten van deze techniek. Prof. Russchenberg benadrukt het belang van dit onderzoek: "We hebben nu de eerste stappen gezet om noodmaatregelen te ontwikkelen tegen klimaatverandering. Als het nodig blijkt, moeten we voorbereid zijn om deze technieken in de praktijk te kunnen brengen. Liever gebruiken we het niet, maar het is goed om nu te onderzoeken hoe het werkt." Prof.dr.ir. Stefan Aarninkhof, decaan van de faculteit Civiele Techniek en Geowetenschappen, is trots dat de eerste resultaten in deze unieke samenwerking nu zichtbaar zijn. Als de onderzoekers in Delft en Cambridge kunnen aantonen dat het concept veelbelovend is, zullen binnen een jaar de eerste kleinschalige experimenten op een verantwoordelijke manier van start gaan. Dit onderzoek is mogelijk gemaakt dankzij de meerjarige steun van de Refreeze the Arctic Foundation, opgericht door de familie van TU Delft-alumnus Marc Salzer Levi . Dergelijke gulle bijdragen maken innovatief en impactvol onderzoek mogelijk dat dringende mondiale uitdagingen, zoals klimaatverandering, aanpakt. Grote donaties zoals deze stellen ons in staat om onderzoek van hoge impact en innovatie na te streven dat anders wellicht niet uitvoerbaar zou zijn, en tonen aan hoe onze gezamenlijke inzet en investeringen in de wetenschap kunnen leiden tot echte, transformerende oplossingen voor wereldwijde uitdagingen zoals klimaatverandering. Climate-Action Programme

Hoe systeemveiligheid Machine Learning systemen veiliger kunnen maken in de publieke sector

Machine Learning (ML), een vorm van AI waarbij patronen worden ontdekt in grote hoeveelheden data, kan heel handig zijn. Het wordt steeds vaker gebruikt, denk aan chatbot Chat GPT, voor gezichtsherkenning of aan spraaksoftware. Maar er zijn ook zorgen over de toepassing van ML systemen in de publieke sector. Hoe voorkom je dat het systeem bijvoorbeeld discrimineert, of op grote schaal fouten maakt met negatieve effecten op burgers? TU Delft wetenschappers, waaronder Jeroen Delfos, onderzochten hoe lessen uit de systeemveiligheid kunnen bijdragen aan een veiliger ML systeem in de publieke sector. ‘Beleidsmakers zijn druk met het bedenken van maatregelen om negatieve effecten van ML tegen te gaan. Uit ons onderzoek blijkt dat zij veel meer kunnen leunen op bestaande concepten en theorieën die hun waarde al hebben aangetoond in andere sectoren,’ zegt Jeroen Delfos. Jeroen Delfos Leren van andere sectoren In het onderzoek gebruikten de onderzoekers concepten van systeemveiligheid en systeemtheorie om de uitdagingen van het gebruik van ML systemen in de publieke sector te beschrijven. Delfos: ‘Concepten en tools uit de systeemveiligheidsliteratuur worden al veel gebruikt om de veiligheid van bijvoorbeeld de luchtvaart te ondersteunen, onder andere door ongelukken te analyseren met systeemveiligheidsmethodes, maar binnen het veld van AI en ML is dit nog niet gebruikelijk. Door de systeemtheoretische blik bekijken we veiligheid niet alleen als een resultaat van hoe de techniek werkt, maar juist als een resultaat van complexe set aan technische, sociale en organisationele factoren.’ De onderzoekers interviewden professionals uit de publieke sector om te zien welke factoren worden onderkend, en welke nog onderbelicht zijn. Bias Op een aantal punten kan terrein worden gewonnen om ML systemen in de publieke sector veiliger te maken. Zo wordt bijvoorbeeld bias in data nog vaak als een technisch probleem gezien, terwijl de oorsprong van die bias ver buiten het technische systeem kan liggen. Delfos: ’Denk dan bijvoorbeeld aan de registratie van criminaliteit. In buurten waar de politie vaker surveilleert wordt logischerwijs meer criminaliteit geregistreerd, waardoor deze buurten overgerepresenteerd worden in criminaliteitscijfers. Een ML systeem dat geleerd wordt patronen te ontdekken in deze cijfers zal deze bias gaan herhalen of zelf versterken. Het probleem zit echter in de manier van registreren, en niet in het ML systeem zelf.’ Risico’s verminderen Volgens de onderzoekers doen beleidsmakers en ambtenaren die bezig zijn met de ontwikkeling van ML systemen er goed aan om concepten van systeemveiligheid mee te nemen. Zo is het aan te raden om bij het ontwerpen van een ML systeem vooraf te identificeren wat voor ongelukken men wil voorkomen. Verder is een les vanuit systeemveiligheid, bijvoorbeeld in de luchtvaart, dat systemen in de praktijk de neiging hebben om over tijd steeds risicovoller te worden, omdat veiligheid steeds ondergeschikter raakt aan efficientie zolang er geen ongelukken gebeuren. ‘Het is dus belangrijk dat veiligheid een terugkomend onderwerp is bij evaluaties en dat de eisen voor veiligheid worden gehandhaafd’, aldus Delfos. Lees het paper over dit onderzoek.