"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
En grupp personer står utomhus framför en byggnad och tittar tillsammans på en laptop. De ser glada och engagerade ut, och omgivningen är grön med träd och buskar i bakgrunden.

Bild: Jan Gerken

Matematiska grunder för artificiell intelligens

Vår grupp undersöker de matematiska grunderna för artificiell intelligens, och strävar efter att förstå framgångar och misslyckanden för komplexa maskininlärningsmodeller samt utveckla teori, metoder och mjukvara i fronten av AI-forskningen.

Vi är särskilt fokuserade på två sammankopplade forskningsämnen inom denna breda palett. Det första undersöker hur symmetrier kan inkorporeras i maskininlärningsmodeller. Den andra koncentrerar sig på högdimensionella och storskaliga optimeringsproblem och användningen av algoritmer på moderna datorer. Våra forskningsområden innefattar:

  • Ekvivarians av neurala nätverk
  • Neurala differentialekvationer
  • Compressive sensing
  • Implicit regularisering och teori för djupinlärning
  • Distribuerad och federerad optimiering
  • Icke-konvex och icke-glatt optimering
  • Operatoruppdelningsmetoder och variationell inferens
  • Optimering med kvantdatorer
Senast uppdaterad: 2025-10-22