Kasper Green Larsen

Projekttitel

Data Structure Techniques in Cryptography and Machine Learning

Hvad handler dit projekt om?

Datastrukturer er et centralt felt indenfor Datalogi, som beskæftigere sig med hvor effektivt data kan gemmes og søges i på en computer. I flere overraskende nylige forskningsresultater, er det blevet vist at klassiske teknikker indenfor datastrukturer, kan bruges til at angribe fundamentale åbne problemer i kryptografi og machine learning. Indenfor kryptografi, har det tilladt os at forstå de beregningsmæssige omkostninger der opstår når man krypterer og regner på fortroligt data som bliver opbevaret hos en cloud service provider. Indenfor machine learning har det tilladt os at forstå begrænsningerne for klassiske komprimeringsteknikker. Dette projekt bygger videre på denne nylige sammenhæng, ved at anvende datastrukturteknikker, til at udvikle hurtigere kryptografi og machine learning algoritmer.

Hvordan opstod din interesse for dit forskningsfelt?

Lige siden jeg var barn, har jeg haft flair for matematik. I gymnasiet tog jeg et valgfrit kursus i programmering og blev øjeblikkeligt begejstret. Oplevelsen af at kunne bruge min kreativitet til at bygge ting fra bunden var ekstremt tiltalende. Den oplevelse fik mig sidenhen til at studere Datalogi. Under mine studier gik det hurtigt op for mig, at de mere teoretiske aspekter af Datalogi interesserede mig mest. Jeg blev vildt fascineret af, at man kan bruge matematik til at gøre computere hurtigere, og til at argumentere om deres begrænsninger. Den fascination har varet ved lige siden.

Hvad er de forskningsmæssige udfordringer og perspektiver ved dit projekt?

At udvikle  nye og hurtigere algoritmer, såvel som at forstå de naturlige begrænsninger for hvor effektive sådanne algoritme kan blive, kræver udviklingen af nye matematiske teknikker og beviser. Det er stort set umuligt at planlægge hvordan man vil udvikle disse idéer. Det kræver typisk en meget tænken, mange fejlslagne forsøg, en tavle, massere af kaffe og den ene brilliante idé. I dette projekt har vi den fordel at kunne bygge videre på den nylige bølge af resultater som har anvendt datastrukturteknikker indenfor kryptografi og machine learning. Vi har altså allerede en god intuition om hvor vi skal starte og i hvilken retning vi skal gå.

Hvilke perspektiver vurderer du selv, at din forskning på sigt kan have for det omgivende samfund?

Sikkerhed er en essentiel del af vores moderne samfund. Uden kryptering, ville e-handel slet ikke eksistere. Dette projekt har potentialet til at gøre sikre systemer hurtigere, for en bedre brugeroplevelse. Ligeledes for machine learning, sigter vi efter at forbedre de basale byggeblokke som bliver brugt i de tusinder af applikationer af machine learning. Disse applikationer spænder lige fra forudsigelser af vejret og aktiekurser, til medicinsk billedanalyse. Hvis vi kan gøre de basale algoritmer hurtigere, så kan vi træne disse modeller hurtigere. Indirekte kan det også give os bedre forudsigelser, da vi med hurtigere algoritmer, har tid til at køre mere data igennem vores modeller. Tilsidst vil dette projekt også fremme vores basale forståelse af beregningsomkostningerne ved kryptografi og machine learning.

Hvad vil det betyde for din forskerkarriere, at du indgår i Sapere Aude-programmet?

På kort sigt tillader det mig at ansætte forskere der kan hjælpe med at forfølge de mange idéer jeg har fået i de sidste par år. Der ud over, ser jeg Sapere Aude bevillingen som en af de mest prestigefyldte danske early-career bevillinger. Jeg håber og tror derfor på, at det vil hjælpe mig med at opbygge en større forskningsgruppe, og med at tiltrække yderligere og større bevillinger senere i min karriere.

Lidt om mennesket bag forskeren

Jeg bruger det meste af min fritid sammen med min skønne hustru Lise og vores to børn Julie (10) og Noah (8). Vi bor i Bruunshaab nær Viborg, hvilket er en dejlig lille by for en familie. Vi elsker at rejse, og har lige været 6 måneder i Berkeley sidste år (ved San Francisco i Californien). I nyder at løbe, både rundt om søerne i Viborg og på mountainbikestierne i de omkringliggende skove. Tilsidst er jeg også medlem af Det Unge Akademi ved Videnskabernes Selskab. Det Unge Akademi giver mig en unik mulighed for at møde og blive inspireret af de bedste unge danske forskere på tværs af alle discipliner.