Der START-Preis gilt als die wichtigste österreichische Auszeichnung für junge Wissenschaftlerinnen und Wissenschaftler. Er ist mit bis zu 1,2 Millionen Euro dotiert und soll jungen Spitzenforschenden die nötige finanzielle Absicherung geben, um eine eigene Forschungsgruppe auf internationalem Spitzenniveau zu etablieren.

Der österreichische Wissenschaftsfonds FWF gab am 17. Juni das Ergebnis der diesjährigen Preisvergabe bekannt: Gleich zwei der insgesamt sieben Preise gehen dieses Jahr an die TU Wien. Die Mathematikerin Elisa Davoli wird für ihr Forschungsprojekt über die mathematische Modellierung neuartiger Materialien ausgezeichnet, Robert Ganian erhält den START-Preis für sein Vorhaben, 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, somit gehen vier der sieben Preise an die TU Austria-Universitäten.

Elisa Davoli: Die Mathematik smarter Materialien

Als „intelligente Werkstoffe“ oder „Smart Materials“ bezeichnet man Materialien, 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 man das erreichen, indem man den Materialien auf mikroskopischer Skala eine bestimmte geometrische Struktur verleiht, oder indem man dünne Schichten unterschiedlicher Substanzen auf ausgeklügelte Weise miteinander kombiniert.

Elisa Davoli entwickelt am Institut für Analysis und Scientific Computing der TU Wien die mathematischen Methoden, die man benötigt, um solche intelligenten Materialien besser zu verstehen und weiterzuentwickeln. So sollen Werkstoffe entstehen, die verschiedene gewünschte Eigenschaften miteinander verbinden – zum Beispiel gute Wärmeisolation bei gleichzeitig geringem Gewicht.

Auch für Sensoren oder neuartige Speichermedien sind Davolis Modelle wichtig. Sogar in der Medizin sollen die neuen mathematischen Werkzeuge Anwendung finden: Mit verbesserten Methoden, die Zeitentwicklung von Materialien zu beschreiben, kann man auch das Wachstum von Tumoren untersuchen.

Elisa Davoli studierte Computer Engineering and Automation, Università Politecnica delle Marche in Ancona. Danach ging sie nach Triest, wo sie zunächst ein Masterstudium in Mathematik abschloss und dann 2012 auch promovierte. Danach wurde sie Postdoctoral Research Associate an der Carnegie Mellon University in Pittsburgh (USA). 2015 kehrte sie nach Europa zurück – an die Universität Wien, wo sie sich 2019 habilitierte und mit einem Elise-Richter-Fellowship ihre eigene Forschungsgruppe aufbaute. Seit Jänner 2020 forscht sie mit ihrem Team an der TU Wien.

Robert Ganian: 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 – das ist kein Problem. 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“ – und das ist die schwierige Sorte: 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 eigegebenen Datenmenge an.

Die Unterscheidung zwischen einfacheren „P-Problemen“ und schwierigeren „NP-Problemen“ gibt es schon lange – Robert Ganian sucht am Institut für Logic and Computation allerdings nach Möglichkeiten, die Komplexität von Rechenaufgaben genauer zu charakterisieren. Gibt es vielleicht bestimmte wiederkehrende Muster in den Eingabedaten? Kann man bestimmte Strukturen auf kluge Art ausnützen, um auch schwierige Probleme in akzeptabler Zeit lösen zu können?

Die Werkzeuge, an denen Ganian arbeitet, werden bereits in verschiedenen Bereichen der IT eingesetzt. Er möchte diese Methoden auch in den Forschungsbereich der künstlichen Intelligenz (AI) hineintragen: Wie kann man Maschinen möglichst effizient etwas lernen lassen? Wie viel Input brauchen sie dafür? Wie groß müssen die Datenmengen sein, damit ein Computer daraus auf intelligente Weise etwas lernen kann?

Robert Ganian studierte an der Masaryk Universität in Brünn, wo er 2012 auch seine Dissertation abschloss. Danach wechselte er an die Goethe Universität in Frankfurt, und seit 2013 forscht er an der TU Wien, wo er sich im Jahr 2019 habilitierte und im Rahmen eines FWF-Einzelprojekts bereits eine kleine Forschungsgruppe aufbaute. 

Kontakt

Elisa Davoli, PhD
Institut für Analysis und Scientific Computing
Technische Universität Wien
T +43-1-58801-10182
elisa.davoli@tuwien.ac.at

Robert Ganian, PhD
Institut für Logic and Computation
Technische Universität Wien
T +43-1-58801-192127
robert.ganian@tuwien.ac.at

Aussender:
Dr. Florian Aigner
PR und Marketing
Technische Universität Wien
Resselgasse 3, 1040 Wien
T +43-1-58801-41027
florian.aigner@tuwien.ac.at