ERC Starting Grant på 11 mio. kr. til datalog Lars Rohwedder
Med bevillingen fra European Research Council kan Lars Rohwedder nu starte sin egen forskningsgruppe
Datalogen Lars Rohwedder fra Institut for Matematik og Datalogi har modtaget en bevilling fra European Research Council på 1.498.648 euro, svarende til lige over 11 mio. kr.
Der er tale om et "Starting Grant", som gives til yngre, dygtige forskere, der gerne vil opbygge deres eget forskningsteam.
Med bevillingen vil Lars etablere en forskningsgruppe, der skal have fokus på at forbedre algoritmer til optimeringsproblemer. Sådanne problemer kan fx være: Hvordan skærer man materialer i de rette størrelser og minimerer spild? Eller: Hvordan fordeler man arbejdsbyrden mellem forskellige servere i et datacenter?
Lars Rohwedder
Før Lars kom til SDU, forskede han på universitetet i Maastricht, Holland, på École Polytechnique Fédérale de Lausanne i Schweiz og på universitetet i Kiel, Tyskland. I dag er han lektor i algoritme-gruppen på Institut for Matematik og Datalogi.
En af de mest udbredte metoder til at løse sådanne problemer er lineær programmering — et matematisk sprog, der gør det muligt at beskrive problemer præcist for et softwareprogram, som derefter søger efter en løsning.
Sproget er en variant af de ligningssystemer, mange af os kender fra skolen. For eksempel kan man bede softwaren om at finde binære variable x, y og z, der opfylder ligningen 2x - y = z + 1. De to løsninger er x = 1, y = 1, z = 0 og x = 1, y = 0, z = 1. Men hvordan kan software systematisk gennemsøge milliarder af muligheder i et større system? For softwaren fremstår et sådant lineært program som et højdimensionelt polyeder — et matematisk objekt med flade sider, skarpe hjørner og lige kanter. Ved at studere polyedre kan vi forbedre algoritmerne.
Lars Rohwedder er særligt interesseret i at anvende denne tilgang på såkaldte parameteriserede algoritmer — en retning, der er opstået ud fra behovet for at tilpasse eller analysere algoritmer ud fra specifikke egenskaber ved datasæt. Han mener, at kombinationen af polyedriske metoder og parameteriserede algoritmer er et underudviklet område, og at fremskridt her kan være nøglen til bedre algoritmer for nogle af de mest komplekse problemer.