Opis projektu
Wypełnianie luki między teorią a praktyką w dziedzinie optymalizacji numerycznej
Optymalizacja numeryczna jest niezbędna w wielu dziedzinach, od nauki po przemysł. Jednak ze względu na rosnąca złożoność obecnych problemów teoria nie nadąża za praktycznymi potrzebami. W rezultacie powiększa się przepaść między teoretycznymi algorytmami a ich rzeczywistymi zastosowaniami. Efektem często bywają sprzeczności między teorią a praktyką. Finansowany przez ERBN projekt CASPER ma temu zaradzić poprzez ulepszenie teoretycznych podstaw algorytmów optymalizacji. Zespół opracuje metody i narzędzia do skutecznej analizy algorytmów. Narzędzia te pomogą w tworzeniu algorytmów skutecznych w przypadku problemów o dużej skali i w nowoczesnych środowiskach obliczeniowych. Powstaną także narzędzia open-source i zweryfikowane algorytmy do wykorzystania w takich dziedzinach jak uczenie maszynowe i robotyka.
Cel
Numerical optimization is a fundamental tool with a growing impact in many disciplines from science to industry. Many of its successes are due to theoretical advances, which are key to developing trust in numerical algorithms. While trust is non-negotiable in many applications, the complexity level of modern and future problems makes it very hard for theory to keep up with efficient proposals. Arguably worse, while both theory and experimental practice are key to the field, their respective recommendations often conflict with each other and the gap between theory and practice gets embarrassingly large.
The main objective of this proposal is to push forward the theoretical foundations of algorithmic optimization to drastically reduce the gap between fundamental theoretical understanding and practical scenarios. To achieve this, we will develop principled and systematic approaches to algorithmic analyses, as well as computer-aided performance certification tools. Whereas my recent works show that such techniques already allow going far beyond the surprisingly few classical templates for algorithmic analysis, they have currently very limited applicability beyond simple scenarios. We will largely broaden the techniques to develop and study modern algorithms with working guarantees that can (i) scale to unprecedented problem and data sizes, (ii) adapt to common problem structures, and (iii) be deployed on modern massively parallel computing environments. On the way, this project will allow for simplified certification and validation of existing theory, an absolute necessity in this era of massive scientific production.
Outcomes of CASPER will include symbolical and numerical algorithmic certification and development tools, as well as algorithms with unprecedented working guarantees. The tools will be released as open-source libraries and algorithms validated on key benchmarks that include challenging machine learning and robotic tasks.
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
78153 Le Chesnay Cedex
Francja