Maskininlärning (ML) och artificiell intelligens (AI): modeller och tillämpningar. Modellering av stokastiska mikroskopiska och makroskopiska system med interagerande komponenter över olika tids- och rumsskalor. Exempel inkluderar trafikflödesmodeller, mikromagnetik och klimatsystem under antaganden om icke-Gaussiskt brus. Prognostisering och prediktion med Transformers och attention-baserade metoder. Brusbeskrivning och metoder för avvikelsedetektering används både för signalanalys och för att generera och lära sig data med metoder såsom Stable Diffusion och Denoising Diffusion Probabilistic Models (DDPM). Klassiskt arbete har även utförts inom analys och generering av syntetisk data för system med hjälp av maskininlärningsmetoder såsom generativa GANs och VAEs samt metoder baserade på Natural Language Processing (NLP) och Large Language Models (LLM). Graph Neural Networks (GNN) undersöks också i tillämpningar som spänner från trafiknätverk till jordbruk och skördeförutsägelser.

Innehar för närvarande tre patent, varav två tillsammans med Ericsson rörande mobilitetslösningar för 5G och 6G baserade på hantering av strålformningsmätningar, samt ett patent med Ximantis relaterat till prognostisering i trafiknätverk.