Un petit post en français pour finir …


vu que c’est de saison: Joyeuses fêtes de fin d’année et tous mes voeux pour 2018!

Bonne journée.

PS: Possible answers to the question from my previous post:
How many mathematicians does it take to screw in a light bulb?
A1: None. A mathematician can’t screw in a light bulb, but he can easily prove the work can be done.
A2: Just one, once you’ve managed to present the problem in terms he is familiar with.
A3: One, who gives it to six Californians, thereby reducing it to an earlier riddle.
A4: 3.9967 (after six iterations).
A5: In which group is the light bulb?
A6: etc.

What!? You are still here?

Good morning,

yesterday I wrote a post on some famous mathematicians.

Today, I’ll try to comment on research in mathematics without using one single LaTeX formula …

First of all:

No, we are not counting until 2000000120000212100434458 in our office the whole day (we take fika sometimes).
No, we are not inventing new numbers everyday in our office (or?).

Yes, ”a mathematician is a machine for turning coffee [or tea in my case] into theorems” (Alfréd Rényi, 1921-1970)
Yes, thanks to tea, coffee, or what ever, we write weird and obscure formulas, figures, or drawings on whiteboards, blackboards, papers, or everything that we find. But most importantly, we like to discuss this and show this to other mathematicians. I believe that our research is extremely collaborative. The fun part in my job is (most of the time) not to seat alone in my office, but rather to go to conferences, visit colleagues and make a blackboard white again (no reference to D.J.T.).
Yes, most of the time mathematics is abstract and useless, so what? Who knows if these things could not be used in the future? Number of applications of ”abstract” mathematics are used nowadays with mathematical results
that go back years ago, for instance:
Reed-Solomon error correction for CD, DVD, or Blue-ray (if you are not using Spotify) uses to some extend Galois theory seen in my previous post.
Applications from cryptography or spectroscopy may use group theory or algebraic geometry.
Knot theory is used in some DNA models.
The study of large and complicated network such as Facebook uses graph theory.
The design and animation of characters of any Pixar films use (old) mathematics.
Simulation of fluid flows cannot be done without solid mathematical theories.
Mathematical finance strongly rely on statistics, stochastic calculus, and probability theory.
Animal coat pattern, tumor growth models, climate models may use analysis and (stochastic) partial differential equations.

Finally: Yes, we think that mathematics is challenging and somehow beautiful.
Isn’t this the purpose of any research in any field?

If you really want to know more about my research (currently on the very s**y topic of numerical methods for stochastic partial differential equations), feel free to contact me. I’ll be happy to offer you a tea or a coffee, some Swiss chocolate (if you are lucky), and we will have some fun with a blackboard (no innuendo)!

Some nice further reading for the cold (?) winter (some of them were used as sources for this post):
(by Terence Tao, Fields medalist and excellent writer!)

Thank you and have a nice day!

PS: How many mathematicians does it take to screw in a light bulb?

Why mathematics?

First of all: good morning!

My name is David, I was born and grew up in (the good part of) Switzerland: Geneva.
After defending my PhD thesis in mathematics in 2004, I worked in Tübingen, Trondheim, Basel, Karlsruhe and ended up in Umeå some years ago.

As most of the people that I meet, you will probably ask me two questions: why mathematics? How did you come to Umeå?

Let’s start with the second question: by plane.

Sorry, I don’t have a particular answer to the first question ….

But I will try to provide you and redirect you to some information on why someone could perhaps, with some luck, like mathematics.

First of all, mathematics is one of the oldest (legal) profession in the world. The history of our field is rich, full of exciting characters, and fantastic!
You are probably familiar with Thales, Pythagoras, or Euclid. But …

Did you know that the proof of Pierre de Fermat’s (1607-1665) last theorem puzzled mathematicians from all over the world for more than 350 years?
Indeed, it was only in 1994 that the British mathematician Andrew Wiles found a correct (129 pages long!) proof of Fermat’s last theorem. Perhaps most importantly,
this last theorem tremendously stimulated (and is still stimulating) an important field of mathematics: algebraic number theory.

What about the greatest mathematician of all time: the Swiss Leonhard Euler (1707-1783) (ok, if you are German, you will probably say that it is Carl Friedrich Gauss (1777-1855))?
Euler worked in almost all areas of mathematics and despite being blind since 1766, he worked until his death. If put together, his scientific contributions would occupy ca. 50 books!
Euler greatly influenced modern mathematics and physics. You will see one of his result in any courses in mathematics taken at the university (with probability 1).

Let’s finish this amuse-bouche by briefly looking at the life of Évariste Galois (1811-1832) and Srinivasa Ramanujan (1887-1920) since they are worthy of a Hollywood movie (ok Ramanujan already has his film: The Man Who Knew Infinity (2015))!
First of all, Évariste Galois solved (for instance) an important problem that was standing for almost 350 years! In addition to this, he was involved in politics, went to jail at many occasions, and died in a duel possibly due to a love affair … Let us not forget that the mathematical work of Galois is the foundation for two fields of algebra: Galois theory and group theory.
Ramanujan was an Indian mathematician who taught himself mathematics and proved nearly 3900 results independently. In 1914, he was invited by Hardy to work in Cambridge (UK),
leaving his wife alone in India for almost five years … In top of that Ramanujan had serious health problems and died at the age of 32. His work has inspired a vast amount of nowadays research in mathematics.

With such a rich history and passionate characters, it makes no doubt that one could like mathematics!

Did I catch your interest?
If you want to know more about famous mathematicians and the history of mathematics, take a look at the following webpages (some of them were used to produce this post):

The second reason why someone could perhaps like mathematics is TBC

Thank you for reading this first blog and have a nice day!

P-värden och ”justerade p-värden”

Som statistiker skulle det vara tjänstefel att inte ta tillfället i akt att reda ut en del statistiska begrepp nu när jag har chansen. Med förhoppningen att jag inte förvirrar, missleder eller tråkar ut er så ska jag försöka öka förståelsen för p-värdet och det som populärt kallas för justerade p-värden. För att göra det hela enklare så kommer jag att fuska lite och inte säga hela sanningen.

Innan vi sätter igång skulle jag vilja lätta upp stämningen med följande morbida historia, med ett för mig okänt ursprung.

The Statistician and the Biologist

They are both being executed, and are each granted one last request.

The Statistician asks that he be allowed to give one last lecture on his Grand Theory of Statistics.

The Biologist asks that he be executed first.


P-värdet är det där magiska lilla värdet som gör oss lyckliga om det är mindre än 0.05 och olyckliga om så inte är fallet.

För varje statistiskt test har vi alltid en nollhypotes och en mothypotes, där mothypotesen är det vi vill visa, t.ex. att det finns en behandlingsskillnad mellan läkemedel A och B. Nollhypotesen är vårt ankare och är alltid formulerad i termer av att det inte finns en skillnad.

Förenklat kan man säga att p-värdet är sannolikheten för att felaktigt påstå att mothypotesen är sann. Vi tror på mothypotesen om p-värdet är mindre än 5 % eller någon annan risknivå (signifikansnivå) som vi finner acceptabel.

När jag undervisar brukar jag tala om något jag kallar statistikens tre lagar som är följande:

  1. Det går inte att bevisa att nollhypotesen är sann.
  2. Om vi har få observationer så kommer det vara svårt att bevisa mothypotesen även om mothypotesen är sann.
  3. Om vi har väldigt många observationer kommer vi att kunna bevisa mothypotesen även om nollhypotesen ”nästan är sann” och skillnaden är ”försumbar”.

Det första vi måste förstå är att p-värdet är en sannolikhet som beror av antalet observationer. Om vi vill avgöra om det finns en ”intressant skillnad” så räcker det inte att titta på p-värdet, vi måste även titta på skillnaden och antalet observationer.

Vi kan göra två fel; felaktigt säga att det finns en skillnad (falskt positiv) eller att felaktigt inte påstå att det finns en skillnad (falskt negativ). Ju lägre signifikansnivå desto lägre risk för falska positiva och desto högre risk för falska negativa resultat. Det finns alltså en trade-off mellan de olika felen, vi kan inte få allt.

Nu till det intressanta: det finns en växande oro att många resultat inom empirisk forskning inte är reproducerbara. Till ganska stor del kan detta nog förklaras av ett felaktigt användande av våra p-värden. Utan att bli allt för tekniskt ska jag försöka återge essensen i följande lättillgängliga artikel ”Why Most Published Research Findings Are False” av John P. A. Ioannidis, publicerad i PLOS Medicine 2005.

För att göra en lång historia kort, p-värden fungerar fint om vi gör några få test, men inte alls om vi gör många test. Det är egentligen inte p-värdena i sig som är problemet utan att vår 5 % risknivå måste justeras då vi gör många test. Om vi testar 1000 hypoteser där det finns en sann skillnad för endast 10 % av de testade hypoteserna så kommer mer än 31 % av våra upptäckter att vara falska positiva resultat, dvs 31 % av våra resultat kommer att vara rent nonsens! Det egentliga problemet är inte antalet test utan andelen hypoteser där det finns en sann skillnad, som vi kan benämna q. Om q är litet så blir andelen falska resultat bland våra upptäckter (vi kallar denna andel för False Discovery Rate (FDR)) stort som vi ser i figur 1.

Figur 1

Att 31 % av våra publicerade resultat förväntas vara nonsens är i regel inte acceptabelt, så något måste vi göra. Om vi justerar risknivån till en lägre nivå kan vi minska andelen falskt positiva resultat.  Priset för detta är naturligtvis att vi missar en del sanna skillnader. Återigen, vi kan inte få allt.

Det finns en allt större medvetenhet om att vi måste justera risknivån, men också en okunskap om hur vi ska göra det. Om ni inte använder er av statistik i er forskning så kan ni sluta att läsa nu, det blir inte roligare.

Det största problemet här är att vi envisas med att kontrollera risken att få minst ett falskt positivt resultat (känd som family wise error rate (FWER)) istället för att kontrollera andelen falska positiva resultat, d.v.s. FDR. Den vanligaste metoden för att kontrollera FWER är att använda sig av Bonferronis korrigering. Det finns två problem med denna korrigering (och med all annan FWER-korrigering): den är extremt konservativ (leder till många falska negativ resultat) och det är svårt, och framför allt oklart, hur vi ska bestämma antalet hypoteser som vi har testat. Av någon outgrundlig anledning accepterar tidskrifter ofta att Bonferronis korrigering görs tabellvis och att signifikansnivån för hypoteser som endast presenteras i text inte alls korrigeras. Vilka resultat som blir signifikanta kommer alltså att bero på hur vi presenterar resultaten, vilket är direkt dumt! Genom att övergå till justeringar som kontrollerar FDR-nivå slipper vi denna problematik och underlättar för läsaren att värdera resultaten.

Om det vår någon som undrade hur vi kom fram till siffran 31 % så kommer svaret här. Om vi gör N =1000 oberoende test, q=10 %, signifikansnivån a= 5 % och sannolikheten för att påvisa en sann skillnad (testens styrka) är b = 100 % så följer att

FDR = (1-q)a/((1-q)a+qb) = 0.9*0.05/(0.9*0.05+0.1*1) = 31%.

Om vi tillåter att testens styrka är minde än 1 (vilket naturligtvis är realistiskt) så får vi att FDR > 31 %.

För att sammanfatta; p-värdet är ett användbart litet värde som har få konkurrenter, men som måste förstås för vad det är och behandlas med varsamhet.


”If you work hard, have good health it might work” var vad min handledare Yuri Belyaev sa till mig efter vårt första möte för drygt 20 år sedan. Jag hade turen att få en mycket engagerad, ödmjuk och kunnig handledare, som lärde mig mycket mer än matematisk statistik.

I den dagliga decemberstressen, med en typisk blandning av laborationsrättningar, projektansökningar och jobbiga granskningskommentarer, händer det ibland att jag tappar perspektivet och glömmer att jag som forskare är ytterst priviligierad och att det är mina grannar som försörjer mig. När jag känner mig allt för gnällig och sur brukar jag räkna på hur många skattebetalande sjuksköterskor och bagare det behövs för att finansiera gruppens forskning. En övning som jag garanterar ger en aha-upplevelse och en injektion av ödmjukhet.

Enligt Wikipedia så är forskning “en aktiv, planmässig och metodisk undersökning (studier) som bedrivs av forskare för att få nya kunskaper och öka vetandet”. Jag lutar nog mer åt att forskning är ett lustfyllt träsk-Marathon, där vi förvisso behöver orienteringsfärdigheter, och där framgången långt ifrån är garanterad. Så sammanfattningsvis; If you work hard, have good health it might work.

Att vara forskare är ett speciellt yrke med speciella krav som inte passar alla. Därför skulle det vara önskvärt att doktorandanställningen inleddes med en provanställning och att det därefter gjordes en gemensam utvärdering. Provanställningen skulle vara till gagn för handledaren, samhället och inte minst för doktoranden, som kan erbjudas en tidig och odramatisk väg ut ur ett opassande karriärsval.


I mitt förra inlägg lyfte jag bilden av forskaren. Är bilden så stereotyp som jag beskrev?

En del av min forskning handlar om ungdomars utbildningsval. Jag har genom intervjuer med elever som är på väg att lämna gymnasiet dels undersökt vilka skäl de haft att välja Naturvetenskapsprogrammet (NA) på gymnasiet, dels studerat hur de tänker kring sin fortsatta utbildning. Det vanligaste skälet elever anger till sitt val av NA på gymnasiet, är att de läser just den utbildningen för att de ska kunna läsa vidare på universitetet. ”Natur öppnar alla dörrar” är inte ett ovanligt argument. Argumentet är delvis sant, man kan läsa vidare på universitetets olika utbildningar efter NA, om man har tillräckligt bra betyg (eller lyckas bra på högskoleprovet). Men vad vill ungdomarna läsa på universitetet? Här finns det självklart många olika svar, tittar man på antagningsstatistik är läkare och psykolog universitetsutbildningar med höga antagningspoäng och därmed kan anses populära. I mina intervjuer lyfter gymnasieeleverna främst upp två yrken, läkare och ingenjör. Varför just dessa?

När ungdomarna får förklara mer ingående varför dessa yrken uppfattas lockande beskrivs läkaren som en förebild, den gör gott, jobbar med människor, är empatisk som person. Ingenjören beskrivs oftare med andra egenskaper, den är problemlösare, smart, jobbar med datorer och är ibland lite mer nördig (fast beskrivet på ett positivt sätt). När jag träffar ingenjörer och pratar om detta reagerar de ofta med kommentaren, ”Men vi jobbar ju också med människor, och läkare sitter väl vid datorer rätt ofta?”. Varför har vi en specifik bild av olika yrken?

I forskningen lyfts förebilder fram som viktiga för utbildningsvalen. Förebilder känner vi kanske oftare igen från livet utanför skolbänken. Inom sport och musik kan vi säkert ge exempel, även förebilder från vanliga livet. När jag under ett föredrag ställde frågan till en stor grupp vuxna var den vanligaste förebilden ”mamma”. Kändisar som Zlatan, Christian Ronaldo, Zara Larsson, Kardashians eller Emma Watson kan fungera som förebilder för unga, men vilka specifika förebilder finns inom forskning och utbildning? Vilka förebilder möter vi i media som kan knytas till forskning?

Många av de ungdomar jag intervjuade beskrev hur de faktiskt påverkas av just den mediala bilden. Även om man vet att bilden inte är sann, var det flera som gav exemplet med Grey’s Anatomy, läkarserien som får läkaryrket att verka både spännande och glamoröst. Frågar man en läkare brukar de antingen skratta eller gråta när man frågar om livet som läkare verkligen är på samma sätt som bilden vi ser på TV.

Hur kan vi som forskare verka som förebilder för våra ungdomar? Men då inte bara genom att locka med sådant som uppenbart är kul och spännande utan genom att ge en rättvisande bild av livet som forskare. Det skulle jag önska att vi pratade mer om.

Kemi, undervisning och lärande, kan det locka?

Under de två kommande veckorna har jag fått möjlighet att skriva på Umeå universitets forskarblogg, ett uppdrag som både känns hedrande men samtidigt lite skrämmande. Efter att i mer än 20 år verkat som lärare, först på gymnasiet och sedan på universitetet, ska jag nu blogga om livet som forskare. Var börjar man då? Jo kanske med en kort presentation om vem jag är och vad jag tycker är viktigt, både som forskare och som lärare.

Mitt forskningsämne är kemididaktik. Kemi är ett ämne som många har en tydlig uppfattning om, något jag kommer att återkomma till under kommande blogginlägg. Ofta möter jag en ganska mörk bild av kemiämnet, antingen från upplevelser under sin egen skolgång eller från media. Didaktik kan förenklat översättas till undervisningslära; didaktikforskning studerar faktorer som påverkar undervisning och lärande. Undervisning och lärande är något som jag tror att alla har en relation till, antingen är man barn eller ungdom och går i skolan, som vuxen har man gått i skolan eller så är man förälder till barn i skolan. Äldre människor minns hur det var förr i skolan, skol- och utbildningsfrågor diskuteras vid middagsbordet och de flesta av oss minns lärare som vi mött. Dessutom lär man sig nya saker hela tiden!

Och det är just dessa två, kemi och didaktik, som jag finner fantastiskt fascinerande. Båda områdena är intressanta i sig, men när man kombinerar dem blir det riktigt spännande! I min forskning får jag möjlighet att studera hur unga människor uppfattar kemin, hur de löser kemiproblem, hur de tänker kring sina framtida utbildningsval. Som forskare får jag chans att hela tiden lära mig nya saker, som lärare får jag chans att möta studenter och diskutera det jag lärt mig från forskningen. Jag hoppas att ni under min bloggtid kommer att bli nyfikna på både kemi och på undervisning och lärande – forskning menar att om man är nyfiken blir man både lyckligare och lever längre. En ganska bra utgångspunkt!

Energieffektivisering och Tomten

Midvinternattens köld var hård. Gatubelysningen var släkt och stjärnorna gnistrade och glimmade. Snön lyste vit på tomma gator. En ensam bil färdades sin tysta ban. Snön lyste vit på taken. Inte bara Tomten var vaken. Alla hade svårt att sova, ty det var kallt och det var energikris.
På det sättet började faktiskt vintern 1974. Hur hade det blivit så? Två månader tidigare hade de största oljeproducerande länderna beslutat att kraftigt reducera exporten till bland annat vårt land. Redan vid jultid hade oljepriset fyrdubblats. Samtidig konstaterades det i Sverige att produktionen av el från vattenkraften kunde bli rekordlåg denna vinter pga brist på nederbörd. Sverige var då helt beroende av olja och vattenkraft. De styrande i Sverige såg ingen annan utväg än att ta till drastiska åtgärder. Energiransonering. Gatubelysning släcktes. Biltrafik förbjöds till viss del på måndagar. Detta var en del av de kortsiktiga åtgärderna.
Det fanns också långsiktiga energisparprogram. Våra myndigheter beslutade att införa omfattande energieffektiviseringsåtgärder. Detta resulterade i att Sverige för en tid skulle framstå som ett energiföregångsland. Listan på framgångsrika energieffektiviserande koncept för bebyggelsen kan göras lång, som nya sätt att tillföra luft, värmeåtervinning, reduktion av köldbryggor, nya sorters fönster, mm. Med det gjordes också katastrofala misstag. Mina dåtida ingenjörskollegor uppskattade att mer än hälften av den energi som tillförs för att värma husen förloras pga av att den ventileras bort. Vad kunde väl vara mer effektivt än att kraftig reducera ventilationen. Så blev det.
Under slutet av 1970-talet rapporterades det ospecifika besvär från hyresgäster i nybyggda bostäder, kontor och daghem. I massmedia kallades det ”Dalen-sjukan”, ”dagis-sjuka” och ”kontors-sjuka”. Efter 15 år konstaterades det i en stor studie av kontorsarbetare i Västerbotten att vissa inomhusrelaterade symptom hade ett tydligt beroende av luftomsättningen. Enkelt uttryckt. Ju mer fräsch uteluft som tillförs ju bättre är det för de som vistas i husen. Det kanske verkar självklart idag, men när det gjordes var det få som opponerade sig.
Energikrisen på 1970-talet medförde stora förändringar. Nu står vi inför en annan stor omställning. Med klimatfrågan i centrum så ska framtidens bebyggelse transformeras kraftigt. De framtida kraven är att minimera den tillförda energin till nära noll. Samtidigt är bostadsbristen akut. Byggbranschen förväntas producera i en hastighet som vi inte sett maken till sedan rekordåren på 1960-talet. Alla och en var anser också att dagens bostäder är för dyra. Kostnaderna måste reduceras kraftigt. En sak vet vi säkert. Det krävs betydande förändringar. Här har vi forskare ett stort ansvar. Ansvaret omfattar att möjliggöra nya innovationer, men också att förutse negativa konsekvenser på hälsa och miljö.
På Viktor Rydbergs tid fanns det Tomtar som vakade över att allt stod rätt till i stugorna. Hur säkerställer vi idag att misstag, nya och gamla, inte upprepas? Här finns en viktig forskningsuppgift.

Nog finns det skäl att gilla värme

Det sägs att man ska frysa in sommaren svettas in vintern. Vem kan motstå frestelsen att ta fram vårjackan när det första takdroppet nalkas? Sedan kommer kylan tillbaka och då fryser man. Känns det igen? Nu ska jag berätta något som hände en kylig vårdag.

-Det här är faktiskt en fantastisk sommarstad, sa min kollega när vi steg ur flygtaxin. Även om sommaren bara var några veckor bort så var det svårt att föreställa sig sol och värme. Vi småsprang, huttrande i snålblåsten, för att snabbt komma inomhus.

Vi hade självsvåldigt, någon vecka tidigare, tagit initiativet till resan för att få träffa de tjänstemän som arbetade med den svenska bebyggelsens nya energimål. Välvilligt hade vi erbjudits audiens för att visa alternativa sätt att reglera bebyggelsens energiprestanda. I bagaget hade vi erfarenheter av en nyligen slutförd studie, som baserades på 120 svenska flerfamiljshus.

Hur gick det med presentationen? Jodå, både si och så. Vi diskuterade energikrav. Ponera två hus med lika stor värmeenergianvändning. Likheten skulle kunna förklaras av att husen har samma energiprestanda (lika välisolerade). Eller också kanske likheten beror på att de som bor i det mer välisolerade huset vädrar mer eller har högre inomhustemperatur. Energianvändning och energiprestanda är inte samma sak.

Vår presentation handlade också om energijämförelser för hus? Ska kraven relateras till designen, som exempelvis golvarean eller kanske väggarean? Får vi kanske mer kupolformade hus om det ställs krav på energieffektiv design? Eller, tänk om energianvändningen får vara proportionell mot antalet personer som bor i huset? Hur skulle det förändra byggandet och boendet?

När vi var framme vid frågestunden så förstod vi att åhörarna just då hade fullt upp med att tänka ut hur Sverige skulle anpassa sina energikrav till EUs direktiv. En del av den problematiken är att Sverige med ett kallt klimat och en stor andel förnybar energi ska anpassa regelverket till länder i Mellan-och Sydeuropa med varmt klimat och en stor andel fossila bränslen?

En sak jag lärde mig den kalla vårdagen är att det naturligtvis är viktigt att ha argument, men tidpunkten har också betydelse. Det är klart att det blir mycket lättare att nå åhörare när årstiden bildligt talat tillåter att fönsterna står på vid gavel. Nog finns det skäl att gilla värme.

Energieffektivisering – till vilken nytta?

-Jag jobbar på Umeå universitet, svarade jag.
– Jaså, med vadå?
– Energi, blev jag svaret skyldig.
– Åh… energi är ju såå fascinerande. I synnerhet den energi som skapas när människor möts, fick jag till svar.

Javisst, energi kan fascinera. Men mitt område handlar inte om emotionell energi utan energi som en fysikalisk storhet. Ofta hamnar energifrågan i strålkastarljuset när det finns oro för en framtida brist. När knappheten, eller oron för densamma är riktigt stor så brukar vi tala om energikris. En tidig energikris inträffade i England när industrialismen fått upp farten. Det här hände sig på 1860-talet. Det hade börjat skrivas i tidningar och böcker om dålig luft i städerna och om oro för framtida energiprisökningar. I England så förutsågs att den betydelsefulla inhemska tillgången på det fossila bränslet (stenkolet) snart skulle ta slut. Det är inte alltför svårt att se gemensamma nämnare med situationen som vi har idag, 150 år senare.

Vad tycker du att de borde vidtagit för åtgärder för att råda bot på problemen? Min tekniska intuition flaggar för att en effektiv medicin är att effektivisera processerna. På det sättet tänkte många redan då. Under pompa och ståt installerade fabriksägarna nya ångmaskiner. De kunde driva textilproduktionen i högre fart, samtidigt som det krävdes mindre tillförsel av stenkol. Äntligen skulle minsann utsläppen minska och stenkolet skulle räcka i generationer. Hurra!

Men det fanns också personer som höjde ett varningens finger. Ett av dessa var den brittiske forskaren, William Stanley Jevons (1835 – 1882). Han och hans kollegor förutsåg att energieffektivisering inte nödvändigtvis leder till de energibesparingar som förväntat. Det kan bli tvärt om, det kan uppstå en rekyleffekt, sa Jevons. Och tvärt om blev det. Med energieffektiviserade ångmaskiner minskade produktionskostnaderna. Textilprodukterna blev billigare. Snart kunde alla och envar köpa brittisk textil. Tillverkningsindustris produktion accelererade. Stenkolet på de brittiska öarna förbrukades i en ännu högre takt och luftföroreningarna ”smogen” i de brittiska städerna blev ett än mer akut problem.

Vad blir kontentan av detta? Kan det vara så att energieffektivisering i grunden är destruktivt? Det är en komplex fråga som kräver att undersökas. Ett sätt att bena ut problematiken är att särskilja användning av energi och energisystemets verkningsgrad. Här kommer ett exempel:

Jag och min fru använder var sin bil. Hon kör en miljöbil med en modern dieselmotor (god verkningsgrad). Jag kör en äldre kärra med en törstig V6:a under motorhuven (dålig verkningsgrad). Till detta ska läggas att miljöbilen körs betydligt fler mil per år (mer användning). Vilken bil orsakar mer miljöförstöring? Vi måste ta hänsyn till både användning och verkningsgrad.

I fallet med vår familj så överträffar förmodligen miljöbilens stora användning den relativa nyttan av högre verkningsgrad. Anar du också en rekyleffektproblematik? Men även om min sämre bil orsakade mindre miljöförstöring så är jag övertygad om att det inte blir bättre om vi säljer miljöbilen och ersätter den med en bil av den typ som jag kör. Det framstår som bättre att minska användningen av miljöbilen och byta min bil mot en miljövänligare. Som ett tillägg kan det naturligtvis vara relevant att fråga sig om det verkligen är vettigt med två bilar i samma familj, och kanske ännu mer tillspetsat kan det vara möjligt att klara sig utan bil.

Att ställa om vårt samhälle till ett hållbart dito är komplext. Förbrukningen av våra naturtillgångar måste minska betydligt och de processer som leder till klimatförändring måste reduceras radikalt. Mycket måste göras och det är bråttom. Vi måste hitta lösningar där lägsta möjliga användningen av våra tillgängliga resurser går hand i hand med högsta möjliga verkningsgrad i alla processer. Här finns definitivt en av vår tids största utmaningar. Jag jobbar med slutanvändningen av energi och energieffektivisering med ett fysikaliskt betraktelsesätt, inte den emotionella energin (den får gärna maximeras). Mitt fokusområde är bebyggelsen. Det är en sektor som använder nära 40 procent av energiresurserna. Potentialen är jättelik.