Decomposing high-dimensional data objects for chemistry

Dekomposition af høj-dimensionelle data i kemi

Store datasæt er almindelige i alle grene af videnskaben, særligt indenfor kemi. Datasættene er ofte så store, at beregninger på data bliver en flaskehals. Målet med dette projekt er at udvikle effektive og nøjagtige algoritmer til såkaldt tensor dekomposition. Her ser man data som en slags stor kasse og prøver at repræsentere effekten af kassens indhold ved hjælp af simplere objekter. Dvs uanset om kassen indeholder en million komplicerede ting, så er det i forskellige tilfælde ofte forskellige aspekter der er vigtig, såsom størrelse, vægt osv. Det er dog generelt svært at finde de relevante aspekter der beskriver situationen godt, og algoritmeudvikling er vigtig her. Sådanne algoritmer kan være helt essentielle for at analysere eksperimentelle kemiske datasæt og for at foretage teoretiske kvanteberegninger på molekylære systemer.

Bevillingen vil finansiere to postdocs  samt yderligere omkostninger ved projektet.