Accelerering av glesa matrisberäkningar med grafnätverk

Tidsperiod:

1 januari 2025 – 31 december 2028

Projektledare:

Jens Sjölund

Finansiär:

Vetenskapsrådet

Bidragstyp:

Bidrag för anställning eller stipendier

Budget:

4 400 000 SEK

Vårt projekt har som mål att förändra hur vi närmar oss storskaliga matematiska problem genom att integrera maskininlärning i processen. Tänk dig att du står inför en gigantisk datauppsättning som representerar ett medicinskt dilemma, till exempel att planera strålbehandling för patienter med avancerad cancer. Eller att du är involverad i forskningen kring nästa generations batteriteknik för att göra elektriska fordon ännu mer effektiva och hållbara. Dessa är bara några exempel på de utmaningar som kräver sofistikerade beräkningsmetoder.Traditionellt sett kräver sådana problem mycket specialiserad expertis för att utveckla skräddarsydda algoritmer som kan hantera dem effektivt. Men vår idé är att använda maskininlärning, närmare bestämt en sorts neurala nätverk, för att lära datorer att förstå dessa komplexa problem och hitta optimala lösningar på egen hand.Hur gör vi det? Vi tar hjälp av den underliggande strukturen hos glesa matriser, som är centrala inom linjär algebra och ofta förekommer i dessa beräkningar. Genom att träna våra maskiner på en stor mängd beräkningsproblem kan de lära sig att förutse och implementera effektiva algoritmer för att lösa liknande problem i framtiden.Detta innebär att vi kan skapa snabbare och mer precisa lösningar på komplexa problem inom områden som strålbehandling, batteriforskning och mycket mer. Med vårt projekt hoppas vi inte bara accelerera vetenskapliga framsteg, utan också göra dessa avancerade beräkningar mer tillgängliga och användbara för ingenjörer och forskare runt om i världen.