🇺🇸 Sharvi Mahajan

Die Designentscheidung, die NeuroDrive Alert definiert, ist zeitlicher Natur. Anstatt einen einzelnen Moment nur als wach oder schläfrig zu klassifizieren, verfolgt das System die Ermüdung bei ihrer Entstehung und nutzt die Veränderung über die Zeit als prädiktives Signal. Dies ist ein weitaus komplexeres Machine-Learning-Problem als eine einfache Momentaufnahme — es erfordert die Modellierung einer Trajektorie statt eines Zustands — und es ist die einzige Version des Problems, deren Lösung sinnvoll ist, da eine Warnung, die zeitgleich mit dem Sekundenschlaf eintrifft, zu spät kommt.

Ihre Teilnahme am Wettbewerb war eher darauf ausgerichtet, was sie lernen konnte, als darauf, was sie bereits gebaut hatte. „Ich habe an der Challenge teilgenommen, um neue Fähigkeiten zu erwerben und innovative Ideen kennenzulernen, die den praktischen Nutzen meines Projekts erheblich verbessern könnten“, schrieb sie. „Unter der Anleitung eines 3M-Mentors hoffe ich, mein Projekt auf ein völlig neues Niveau zu heben und mein Modell zu verbessern, damit es problemlos in ein physisches System übersetzt werden kann.“ Die Lücke, die sie beschreibt — zwischen einem Modell, das mit aufgezeichneten Daten funktioniert, und einem Gerät, das man in einem fahrenden Fahrzeug tragen kann — ist der Bereich, in dem die meisten vielversprechenden Biosignal-Projekte scheitern.

Ihre Beherrschung des zugrunde liegenden Instruments ist nicht oberflächlich. Als sie nach ihrer liebsten Erfindung der letzten hundert Jahre gefragt wurde, wählte sie das Elektroenzephalogramm und erklärte den Grund in einer Weise, die auch ein Doktorand nachvollziehen könnte. „Eine EEG-Maschine misst Gehirnwellenaktivität durch ein System von Elektroden auf der Kopfhaut. Ich finde es absolut erstaunlich, wie ein EEG selbst die kleinsten dynamischen Gehirnwellenbewegungen in einem Scan widerspiegeln kann, was seine außergewöhnliche zeitliche Auflösung verdeutlicht. Die schiere Datenmenge, die man aus einem einzelnen EEG gewinnen kann, hat das Potenzial, Aufschluss über die neuronalen Fingerabdrücke zahlreicher neurologischer Erkrankungen zu geben.“ Sie hob die Nicht-Invasivität und die zeitliche Auflösung als Merkmale hervor, die es für „die Verfolgung von Mustern über die Zeit, insbesondere in kürzeren Zeiträumen“ geeignet machen — was genau die Eigenschaft ist, die ihr eigenes System ausnutzt.

Ihre bevorzugte Anwendung der Technologie ist jedoch gar nicht die Müdigkeitserkennung. „Das Beste an einem EEG ist für mich die Fähigkeit, wesentlich zur Entwicklung von Gehirn-Computer-Schnittstellen (BCIs) beizutragen“, schrieb sie. „BCIs stellen Unabhängigkeit, Mobilität und Kommunikation für Menschen mit körperlichen Einschränkungen wieder her, und die Schlüsselrolle der EEG-Maschine beim Aufbau einer BCI fasziniert mich zutiefst.“

Ihr zugewiesener 3M-Mentor ist Stephanie Owen, R&D Product Engineering Lab Manager für Elektronik innerhalb der Transportation and Electronics Business Group des Unternehmens. Diese Paarung adressiert genau die Schwachstelle, die Sharvi in ihrem eigenen Projekt identifiziert hat: Die Umsetzung eines trainierten Modells in Hardware, die in einem Fahrzeug zuverlässig funktioniert, ist ein Problem der Elektronik-Produktentwicklung, nicht der Datenwissenschaft.

Der Wettbewerb, der in seinem neunzehnten Jahr stattfand, zog Teilnehmer von der fünften bis zur achten Klasse aus den gesamten USA an, die von 3M-Wissenschaftlern und Bildungsexperten nach Kreativität, wissenschaftlichem Wissen und Kommunikationsfähigkeit bewertet wurden. Die zehn Finalisten arbeiten den Sommer über mit Mentoren zusammen und versammeln sich am 12. und 13. Oktober 2026 im 3M Innovation Center in St. Paul, Minnesota, zu Live-Challenges und einer Abschlusspräsentation, bei der 25.000 $ und der Titel America's Top Young Scientist auf dem Spiel stehen. Sharvis eigener Horizont reicht weiter: „eine Computer-Neurowissenschaftlerin oder Gründerin eines Tech-Startups“, schrieb sie und beschrieb eine lebenslange Faszination für das Gehirn und eine parallele Liebe zum „Bau verschiedener Modelle und dem Testen unterschiedlicher Merkmale oder Techniken, um die Modellleistung zu verbessern.“ Das Zitat neben ihrem Namen stammt von Kalpana Chawla, der ersten indisch-amerikanischen Frau im Weltraum: „Der Weg von Träumen zum Erfolg existiert. Mögest du die Vision haben, ihn zu finden, den Mut, ihn zu beschreiten, und die Ausdauer, ihm zu folgen.“