Auszeichnung für junge Wissenschaftler
Mathematikerin Elisa Davoli und Informatiker Robert Ganian erhalten diesjährige Start-Preise des FWF. Weitere Auszeichnungen für TU-Graz und Montanuni Leoben. Vier von sieben Preisen gehen an Verbund der TU Austria-Universitäten.
Der vom österreichischen Wissenschaftsfonds FWF jährlich vergebene Start-Preis gilt als die wichtigste österreichische Auszeichnung für junge Wissenschaftler. Die Prämierung ist mit bis zu 1,2 Millionen Euro dotiert und soll jungen Spitzenforschern die nötige finanzielle Absicherung geben, um eigene Forschungsgruppen auf internationalem Spitzenniveau zu etablieren.
Im heurigen Jahr gehen zwei Preise an die TU Wien. Die Mathematikerin Elisa Davoli wird für ihr Forschungsprojekt über die mathematische Modellierung neuartiger Materialien ausgezeichnet und Robert Ganian erhält die Auszeichnung für sein Projekt, eine Brücke zwischen Komplexitätstheorie und Künstlicher Intelligenz zu bauen. Auch die TU-Graz und die Montanuniversität Leoben können sich über je einen Start-Preis freuen und damit gehen vier der sieben Prämierungen an Österreichs Technische Universitäten, die im Rahmen des Vereins “TU Austria” zusammenarbeiten.
Die Mathematik smarter Materialien
Als „intelligente Werkstoffe“ oder „Smart Materials“ werden Materialien bezeichnet, die auf wechselnde Umgebungsbedingungen reagieren können, indem sie bestimmte Eigenschaften verändern. Dabei kann es sich etwa um mechanische, magnetische oder elektrische Eigenschaften handeln. In manchen Fällen kann das erreicht werden, indem Materialien auf mikroskopischer Skala eine bestimmte geometrische Struktur verliehen wird, oder dünne Schichten unterschiedlicher Substanzen auf ausgeklügelte Weise miteinander kombiniert werden.
Elisa Davoli entwickelte nun am Institut für Analysis und Scientific Computing der TU-Wien die mathematischen Methoden, um solche intelligenten Materialien besser zu verstehen und weiterzuentwickeln. So sollen Werkstoffe entstehen, die verschiedene gewünschte Eigenschaften miteinander verbinden, etwa gute Wärmeisolation bei gleichzeitig geringem Gewicht.
Schwierige Probleme und künstliche Intelligenz
In den Computerwissenschaften unterscheidet man zwischen einfachen und schwierigen Aufgaben. Eine lange Liste von Zahlen zu addieren ist einfach. Wenn der Computer doppelt so viele Zahlen addieren muss, braucht er ungefähr doppelt so lang. Aber was passiert, wenn ein Roboter zehn verschiedene Orte besuchen muss und berechnen soll, in welcher Reihenfolge er sie ansteuern soll, damit der Weg möglichst kurz ist ? Hier handelt es sich um ein sogenanntes „NP-Problem“. Wenn es beim nächsten Mal nicht zehn, sondern zwanzig verschiedene Ziele sind, dauert die Berechnung nicht etwa doppelt so lang, sondern viel länger. Der Rechenaufwand steigt exponentiell mit der eingegebenen Datenmenge an.
Robert Ganian sucht am Institut für Logic and Computation nach Möglichkeiten, die Komplexität von Rechenaufgaben genauer zu charakterisieren, etwa bestimmte wiederkehrende Muster in den Eingabedaten oder bestimmte Strukturen, um auch schwierige Probleme in akzeptabler Zeit lösen zu können. Die Werkzeuge von Ganian werden bereits in verschiedenen Bereichen der IT eingesetzt. Er möchte diese Methoden nun auch verstärkt in den Forschungsbereich der künstlichen Intelligenz (AI) integrieren. Dabei geht es um Themen wie maschinelles Lernen oder die Verarbeitung großer Datenmengen im Kontext mit lernenden Computern.