Forskningsleder Anette Stephansen sier denne anerkjennelsen er på et svært høyt nivå innen anvendt matematikk:
– Å få en anerkjennelse av Society for Industrial and Applied Mathematics (SIAM) er blant de høyeste utmerkelsene innen anvendt matematikk. Å publisere i SIAM er i seg selv et kvalitetsstempel. At Xue-Cheng Tai nå er utnevnt til SIAM Fellow for forskningen sin, er helt i toppsjiktet av hvilken heder man kan motta innen anvendt matematikk. Dette er vi veldig stolte av, sier Stephansen.
Tai får heder for sine mange forskningsbidrag til konvergensanalyse av numeriske modeller, utvikling av numeriske metoder og bruk av raske numeriske algoritmer i bildebehandling, særlig metoder basert på partielle differensiallikninger.
Han har blant annet utviklet effektive algoritmer som Additive Operator Splitting (AOS)-metoden, Piecewise Constant Level Set Methods (PCLSM) og andre raske numeriske algoritmer, som deler opp komplekse ligninger i trinn som datamaskiner kan løse raskt og presist. Disse verktøyene brukes nå mye innen bildebehandling, ingeniørfag og datavitenskap.
Mer presise værvarsler, tryggere ingeniørdesign og bedre medisinsk behandling
Tai har jobbet i NORCE i tre år og er en del av gruppen Digital Systems.
På hvilken måte er forskningen din banebrytende sammenlignet med hvordan ting ble gjort før?
Tidligere var det alltid en avveiing: Du kunne få raske resultater eller nøyaktige resultater, men sjelden begge deler. For eksempel kunne det ta lang tid å få et skarpt medisinsk bilde – eller du kunne få et raskt resultat som ikke var til å stole på. Arbeidet mitt, sammen med mange samarbeidspartnere, har bidratt til å fjerne dette kompromisset. Ved å utvikle algoritmer som både er raske og matematisk dokumentert nøyaktige, kan vi nå oppnå resultater av høy kvalitet i sanntid.
For eksempel innen væskedynamikk gjør algoritmene våre det mulig å simulere komplekse strømninger – som havstrømmer, værsystemer eller blodstrøm i blodårer – med langt høyere hastighet og stabilitet enn før. Dette kan gi mer presise værvarsler, tryggere ingeniørdesign og bedre medisinsk behandling.
Innen kunstig intelligens har den matematiske analysen vår bidratt til å forklare og forbedre ytelsen til avanserte KI-modeller, som Transformere og nevrale nettverk. Det gjør KI-systemer ikke bare kraftigere, men også mer transparente og til å stole på – noe som er avgjørende for bruk i sårbare områder som innen helse og autonome systemer.
Disse fremskrittene har inspirert mange nye utviklinger innen beregningsmatematikk, bildeanalyse og datadrevet vitenskap.
Handler både om hverdagsteknologi, medisinsk diagnostikk og kunstig intelligens
Hva har blitt enklere?
Tillit og automatisering. Når disse algoritmene har solid matematisk analyse i bunn, kan ingeniører, forskere og leger ha større tillit til resultatene – selv i kritiske situasjoner. Det er nå mye enklere å automatisere oppgaver som å «rense» støyete data eller identifisere vanskelige objekter i krevende situasjoner, uten manuelle justeringer i hvert enkelt tilfelle. Denne påliteligheten er avgjørende for bruksområder som medisinsk bildebehandling, industriell inspeksjon og vitenskapelige beregninger.
Hvor er denne kunnskapen viktig?
Denne forskningen har innvirkning på mange deler av vårt hverdagsliv og innen teknologi:
- Hverdagsteknologi: Mange apper på mobilen og datamaskinen – for eksempel for bildeforbedring, fotoredigering og til og med videostrømming – er avhengige av raske og pålitelige algoritmer utviklet på dette feltet. Disse fremskrittene gjør de digitale opplevelsene våre smidigere og mer effektive.
- Medisinsk diagnostikk: Metodene brukes til å rekonstruere og forbedre MR- og CT-bilder, og til å hjelpe KI med å identifisere mønstre i medisinske bilder for tidlig sykdomsoppdagelse. Dette kan for eksempel gi leger tydeligere bilder og større trygghet i beslutningene sine.
- Kunstig intelligens: Det nylige arbeidet mitt bidrar til å forklare hvorfor nye KI-modeller som Transformere og nevrale nettverk, fungerer så godt. Ved å gjøre disse systemene mer transparente og pålitelige kan vi bygge KI som ikke bare er kraftig, men også mer forståelig og til å stole på. Dette er viktig for KI sin fremtidige rolle i samfunnet.
- Ingeniørfag og fysikk: Disse algoritmene er sentrale i simuleringer for reservoarmodellering, maritim sikkerhet og mange andre ingeniørfaglige anvendelser der raske og presise beregninger er kritiske.
– Kort oppsummert er effekten av forskningen min innen et stort spenn fra hverdagsteknologien vi bruker hver dag til de mest avanserte verktøyene innen vitenskap, medisin og industri.
Tai understreker at mange har bidratt til utviklingen på disse områdene.
– Mine bidrag er bare én del av et stort og levende forskningsmiljø, avslutter han.
Offisiell markering i USA i juli
Xue-Cheng Tai har fått mange gratulasjoner siden utnevnelsen til SIAM Fellow ble kjent like før påske.
– Det har vært fint å motta så mange ulike gratulasjoner, og særlig fint har det vært å bli kontaktet av flere anerkjente forskere som har lagt merke til anerkjennelsen jeg har fått, sier Tai.
I juli vil Xue-Cheng Tai motta SIAM Fellow anerkjennelsen i Philadelphia i USA.
– At jeg er plukket ut, i konkurranse med forskere fra hele verden på samme felt, oppleves veldig stort. Jeg er ærlig talt overrasket over utvelgelsen, når jeg vet hvor mange fremragende forskere som søkte om denne anerkjennelsen og bidrar til denne disiplinen. Jeg er veldig glad og beæret over å få denne utnevnelsen, avslutter Xue-Cheng Tai.
