Jeg er forsker ved NORCE Norwegian Research Centre med spesialisering innen maskinlæring og anvendelser innen infrastrukturovervåking, helseteknologi og akvakultur. Min forskning fokuserer på å utvikle AI-systemer som fungerer pålitelig med sensordata fra den virkelige verden — fra fiberoptisk sensing i rørledninger til datasyn for undervanns inspeksjon.
Forskningsinteresser
Maskinlæring · Dyp læring · Datasyn · Distribuerte sensorsystemer · Fjernmåling · 3D-punktskybehandling · Fysikk-informerte nevrale nettverk · Helseteknologi
Pågående prosjekter
- NOR-DMT: Digital musikkterapi — Utvikling av en AI-drevet plattform for virtuell musikkterapi, med maskinlæringsmodeller som analyserer pasientengasjement under sesjoner. Bygget på sikker, GDPR-kompatibel infrastruktur med sanntids klinisk rapportering.
- AQUAROM: Sykdomshåndtering i akvakultur — Internasjonalt samarbeid med partnere i Norge, Filippinene og Indonesia, som undersøker om smarte algoritmer med minimalt antall sensorer kan matche dyre overvåkingssystemer for tidlig sykdomsdeteksjon i fiskeoppdrett.
- Fiberoptisk sensing og strømningsestimering — Systemer som bruker distribuert akustisk sensing (DAS) og distribuert temperatursensing (DTS) for lekkasjedeteksjon i vannrørledninger og flerfase fluidstrømestimering i industrielle anvendelser.
- Datasyn for undervanns inspeksjon — Dyp læring-systemer for deteksjon av anomalier og klassifisering av objekter i undervannsbilder.
- Klimateleconnection-analyse — Analyse av fjerne klimainteraksjoner ved bruk av høyytelsesberegningsressurser fra NAIC.
- LLM-evaluering — Metoder for å oppdage og redusere hallusinasjoner i output fra store språkmodeller.
Utdanning
Ph.D. i anvendt informatikk, Norges miljø- og biovitenskapelige universitet (2020) M.Sc. i informatikk, Bandung Institute of Technology (2016) B.Sc. i informatikk, Sepuluh Nopember Institute of Technology (2011)
Publikasjoner
- HA Arief, PJ Thomas, W Li, C Brekken, M Hjelstuen, IE Smith, S Kragset, AK Katsaggelos. Nonlinear interpolated Variational Autoencoder for generalized fluid content estimation. Geoenergy Science and Engineering, 2025
- F Hasan, H Ali, HA Arief. From Mesh to Neural Nets: A Multi-method Evaluation of Physics Informed Neural Network and Galerkin Finite Element Method for Solving Nonlinear Convection–Reaction–Diffusion Equations. International Journal of Applied and Computational Mathematics, 2025
- HA Arief, PJ Thomas, T Wiktorski. Better modeling out-of-distribution regression on distributed acoustic sensor data using anchored hidden state mixup. IEEE Transactions on Industrial Informatics, 2022
- HA Arief, PJ Thomas, K Constable, AK Katsaggelos. Towards Building a Distributed Virtual Flow Meter via Compressed Continual Learning. Sensors, 2022
- HA Arief, T Wiktorski, PJ Thomas. A survey on distributed fibre optic sensor data modelling techniques and machine learning algorithms for multiphase fluid flow estimation. Sensors, 2021
- HA Arief, M Arief, G Zhang, Z Liu, M Bhat, UG Indahl, H Tveite, D Zhao. SAnE: Smart annotation and evaluation tools for point cloud data. IEEE Access, 2020
- HA Arief, UG Indahl, GH Strand, H Tveite. Addressing Overfitting on Point Cloud Classification using Atrous XCRF. ISPRS Journal of Photogrammetry and Remote Sensing, 2019
- HA Arief, GH Strand, H Tveite, UG Indahl. Land cover segmentation of airborne LiDAR data using stochastic atrous network. Remote Sensing, 2018
Lenker
Google Scholar · ResearchGate · Cristin · GitHub
Sist oppdatert: November 2025 — tone og grammatikk redigert av AI
