10. Dezember 2019

ERC „Consolidator Grant“ verliehen an IST Austria Professor Krishnendu Chatterjee

Der Europäische Forschungsrat (ERC) hat IST Austria Professor Krishnendu Chatterjee einen „Consolidator Grant" für Forschungsarbeiten zur Verbesserung algorithmischer Werkzeuge für probabilistische oder stochastische Modelle verliehen. Stochastische Modelle sind grundlegend für viele wissenschaftliche Disziplinen und zunehmend für neue Technologien wie künstliche Intelligenz und spieltheoretische Simulationen.

ERC ‘Consolidator Grant’ awarded to IST Austria Professor Krishnendu Chatterjee
Computerwissenschaftler, Professor Krishnendu Chatterjee, IST Austria.
© IST Austria

Generell lassen sich Computermodelle, die reale Systeme simulieren und vorhersagen, in zwei Kategorien einteilen: Deterministische Modelle und stochastische Modelle. Deterministische Modelle sind mathematische Modelle, die ein bestimmtes Ergebnis liefern, während stochastische Modelle die Wahrscheinlichkeit potenzieller Ergebnisse schätzen, indem sie die zufällige Variation einer oder mehrerer Eingaben (auch bekannt als Wahrscheinlichkeitsverteilung) berücksichtigen. Einige alltägliche Beispiele für die Verwendung stochastischer Modelle sind Aktienmärkte, Devisenbörsen, Schätzungen von Reichtum und Ungleichheit sowie für medizinische Daten wie Blutdruck oder Temperatur.

Während es stochastische Modelle schon seit langem gibt, leiden die Algorithmen zu ihrer Analyse unter vielen grundlegenden Problemen. Darüber hinaus hat das Aufkommen neuer Technologien und komplexer Datensysteme dazu geführt, dass algorithmische Lösungen benötigt werden, die schneller, skalierbar und effizienter sind. Das Projekt von Professor Krish Chatterjee — in Zusammenarbeit mit Wissenschaftern der Universität Wien und der Harvard University — zielt darauf ab, die algorithmischen Lösungen in diesem Bereich zu verbessern, die helfen, die Ergebnisse stochastischer Modelle besser zu analysieren. Dieser neue Ansatz zur Rekonzeptionierung der algorithmischen Aspekte für „formale Methoden”, die für stochastische Modelle verwendet werden, wird unweigerlich anderen wissenschaftlichen Disziplinen sowie neuen Technologien wie der Modellierung der sozialen Zusammenarbeit und der künstlichen Intelligenz zugutekommen.

Chatterjee über den potenziellen Nutzen des Projekts: „Da Modelle immer komplexer werden, brauchen wir bessere algorithmische Ansätze, um sie zu analysieren und uns Antworten zu geben. Auf der einen Seite brauchen wir schnellere algorithmische Lösungen für klassische Modelle, auf der anderen Seite betrachten wir algorithmische Lösungen für neue Probleme (z.B. evolutionäre Spiele), die bisher nicht berücksichtigt wurden. Wir befinden uns jetzt an einem Punkt in der Geschichte, an dem wir versuchen können, dieses grundlegende Problem zu lösen.” Er fügt hinzu: „Es wird interessant sein, die zukünftigen Auswirkungen dieser Forschung nicht nur in etablierte Disziplinen, sondern auch in neuen Technologien und neuen Wissenschaftsgebieten zu sehen.”



Teilen

Nach Oben