AI-agenter för extraktion av kemisk toxicitetsdata från vetenskaplig litteratur

Projektbeskrivning

Kemiska föroreningar hotar människors hälsa och ekosystem över hela jorden. Data om kemiska faror är avgörande för att upptäcka och mildra potentiella negativa effekter i ett tidigt skede. På senare tid har beräkningsverktyg, såsom transformers-modeller, använts för att exakt förutsäga bland annat kemisk toxicitet gentemot miljön. Träningen av sådana modeller är beroende av att stora mängder toxicitetsdata extraheras från vetenskapliga publikationer, rapporter och säkerhetsdokument och samlas i öppna databaser, som ECOTOX.

Dataextraktion görs för närvarande för hand, oftast av myndigheter, vilket inte hinner med den ständigt växande mängden ny forskning. Detta har blivit en stor flaskhals som inte bara hindrar tillämpningen av beräkningsmetoder för riskbedömning, utan i slutändan också begränsar en effektiv lagstiftning för att skydda både människor och miljö. AI-agenter (LLM-agenter) är lovande alternativ som har potential att ta bort denna flaskhals och automatisera arbetsflödet.

Eftersom den genererade datan används i sammanhang med höga insatser krävs dock garantier för både noggrannhet och spårbarhet i extraktionsprocessen. Framför allt är ekotoxikologiska studier ökänt svåra att läsa och förstå, vilket kräver att agenterna kan särskilja relevant data från irrelevant data i publikationer som ofta är fyllda med figurer, tabeller, referenser med mera, baserat på kontext.

Huvudsakliga uppgifter

Vi söker två studenter som ska utveckla och implementera AI-agenter i syfte att extrahera kemisk toxicitetsdata från vetenskaplig litteratur. Med utgångspunkt i tidigare arbete blir målet att vidareutveckla en pipeline som (1) kan ta emot en lista med publikationer som indata och producera strukturerad data, samt (2) sålla bland tidigare publicerad litteratur som ännu inte har utvärderats.

Vi kommer att börja med - men inte begränsa oss till - att använda ECOTOX-databasen som referensdatabas, vilken vi siktar på att återskapa och göra en benchmark för. Det gör att ni kan validera extraktionsprocessen och toxicitetsdatans många olika dimensioner. Därefter kommer vi att tillämpa pipen på nya, outforskade publikationer för att skapa ett nytt öppet dataset med tidigare otillgängliga, strukturerade toxicitetsdata.

Kort sagt kommer ert arbete att innebära:

• Att hantera "brusiga" PDF-filer (figurer, referenser, tabeller, OCR-fel).

• Att utforma utvärderingsmått för extraktionsnoggrannhet och spårbarhet.

• Att integrera domänspecifik validering (kontrollera konsekvens gentemot ECOTOX).

Lärandemål

• Att lära sig bygga, skala och validera data- och AI-pipelines.

• Att utveckla färdigheter inom mjukvaruutveckling samt MLOps/DevOps.

Vem söker vi?

Vi söker studenter som vill skriva ett examensarbete på 30 högskolepoäng under våren 2027.

Vi tror att du:

• Läser masterprogram med inriktning Data/AI, teknisk fysik eller motsvarande
  
• Har erfarenhet av Python och förståelse för att arbeta med LLM-agenter via API:er (inte bara konversera med ChatGPT).
  

Meriterande:

• Erfarenhet av LLM-arbetsflöden, erfarenhet av docling eller liknande PDF-till-text-pipelines, NLP och databaser.
  
• Kunskaper i kemi är såklart till nytta, men det är inget krav!
  

Projektet kommer att utföras på Knightec Groups kontor på Lindholmen i Göteborg, med handledning av professor Erik Kristiansson (Chalmers), doktoranden Styrbjörn Käll (Chalmers, Knightec Group) och doktor Jens Henriksson (Knightec Group).

En spännande resa med Knightec Group
Knightec Group är idag en av Norra Europas ledande strategiska partners inom produkt- och digital tjänsteutveckling - hur häftigt är inte det?

Genom att förena ingenjörskompetens, digital expertis och affärsförståelse hjälper vi våra kunder att omvandla ny teknik till verkliga lösningar som skapar värde. Vi arbetar i skärningspunkten mellan affärsstrategi och teknikutveckling och stöttar våra kunder genom hela resan - från de första idéerna till utveckling, implementering och vidare utveckling.

På Knightec Group samlas människor med olika perspektiv, erfarenheter och specialistområden. Tillsammans skapar vi innovation som gör verklig skillnad - för företag, människor och samhället i stort. För våra medarbetare innebär det stora möjligheter att vara med och forma framtidens lösningar genom meningsfulla projekt i teknikens absoluta framkant. Här får du inte bara utvecklas och växa i din roll - du blir också en del av ett team där nyfikenhet, samarbete och modet att utmana driver oss framåt.

Praktisk information
Detta är en Master Thesis-tjänst med placering på vårt kontor i Göteborg, Lindholmsallén 2.

Skicka gärna in din ansökan så snart som möjligt, dock senast 2026-11-30. Observera att vi, på grund av GDPR, endast tar emot ansökningar via vår karriärsida.