Algoritmer og datastrukturer for dynamiske og statiske netværk
Projektet handler om algoritmer og datastrukturer for netværk. En algoritme er en opskrift på, hvordan et givet problem løses, typisk af en computer, mens en datastruktur er en måde at strukturere data på, så det effektivt kan tilgås og opdateres. Et konkret eksempel på et netværksproblem er at finde den bedste rute fra A til B i et vejnet, noget som har anvendelser i f.eks. GPS-software. Et andet eksempel er at finde den billigste måde at forbinde brugere på i et kommunikationsnetværk, så de alle kan kommunikere med hinanden. Projektets mål er at udvikle nye algoritmer og datastrukturer for sådanne problemer, der bruger mindst mulig tid og plads (RAM og/eller diskplads), også i det tilfælde hvor netværket kan ændre sig over tid – vejarbejde kan f.eks. betyde, at den tidligere bedste rute fra A til B ikke længere er gyldig.
Inden jeg startede min uddannelse, brugte jeg en del af min fritid på at udvikle computerspil inden for strategigenren. Her stod jeg hele tiden over for algoritmiske problemer så som: hvordan får jeg computeren til hurtigt at beregne den korteste rute for min tank gennem et netværk af veje? Det var først, da jeg startede på universitetet, at jeg fik en god forståelse for disse problemer. Jeg har altid været glad for matematik, og jeg blev meget fascineret af brugen af matematiske værktøjer til at udvikle effektive algoritmer for meget håndgribelige problemer, som også ikke-eksperter kan påskønne.
Flere af problemerne i projektet har forskere arbejdet intenst på i årtier. For eksempel er der algoritmer helt tilbage fra 1950’erne til at finde korteste veje i netværk. At udvikle algoritmer og datastrukturer, der er mere effektive end state-of-the-art, er en stor udfordring, da de mest oplagte måder at angribe problemerne på nok allerede er blevet afprøvet af andre forskere. Derfor skal der originale idéer til, og det kræver en dyb forståelse for problemerne, så man kan se nye sammenhænge. En af strategierne i projektet er at tage forskningsfelter, som ikke tidligere har haft noget med hinanden at gøre, og så vise, at teknikker fra et felt kan skabe fremskridt inden for et andet. Det vil ikke blot løse de konkrete problemer, som projektet fokuserer på, men vil give forskere inden for disse felter nye værktøjer at arbejde med.
Vores samfund står i disse år over for datamængder, der vokser og vokser, mens hardware ikke kan følge med. Det er afgørende, at vi er i stand til at håndtere disse datamængder, og løsningen er derfor at udvikle smartere software, der kræver mindre køretid og hukommelse. Her kan min forskning spille en vigtig rolle, idet jeg prøver at finde grænserne for, hvor hurtigt vi kan løse problemer inden for netværk. Netværk ser vi alle steder i vores samfund: vejnet (GPS-software), kommunikationsnetværk, sociale netværk (facebook), den menneskelige hjerne og netværk, der beskriver, hvordan proteiner interagerer; sidstnævnte er vigtigt inden for medicinalindustrien. Styrken ved min forskning er, at jeg benytter en abstrakt repræsentation, der dækker alt fra hjerner til vejnettet i Danmark.
Sapere Aude-programmet giver mig stor frihed og tid til at fordybe mig i de problemer, projektet fokuserer på. At have et team omkring mig bestående af en ph.d.-studerende og en postdoc er afgørende for at kunne opnå mine mål; selvom jeg har mange af de overordnede strategier på plads allerede nu, er det en kæmpe udfordring at opnå en præcis beskrivelse af algoritmerne og datastrukturerne samt at give matematiske beviser for, at de faktisk virker, som de skal, og at de er mere effektive end state-of-the-art.
Jeg er halvt nordmand, halvt dansker, og inden universitetet voksede jeg op i Lofoten i Nordnorge samt Nexø på Bornholm. I min fritid hygger jeg med min dejlige kæreste og nørder bl.a. med chiliplanter og kødædende planter. Jeg er stor fan af Twin Peaks og generelt af alt, som David Lynch har været involveret i, og jeg interesserer mig også for film af bl.a. Stanley Kubrick og Alfred Hitchcock. På musikfronten lytter jeg til en del forskelligt, men Jean Michel Jarre er ham, jeg hele tiden vender tilbage til. Hans nummer ”Waiting for Cousteau” er det bedste at lytte til, når jeg tænker forskning eller blot skal slappe af.
Københavns Universitet
Datalogi
København
Rønne HTX