Descripción del proyecto
Unos potentes algoritmos nuevos reducirán el impacto del azar sobre la previsibilidad
Si todos los resultados de la vida estuvieran totalmente determinados por las circunstancias y productos de partida, las cosas serían mucho más sencillas. Afortunadamente, la comprensión de las situaciones y la predicción de los desenlaces cuando existe cierta aleatoriedad inherente se ha simplificado gracias al uso de modelos estocásticos. A medida que aumenta la potencia de computación y los datos disponibles para utilizar como datos de entrada en diversas disciplinas, lo va haciendo también la demanda de algoritmos más potentes, sólidos y precisos. El proyecto financiado con fondos europeos ForM-SMArt está haciendo frente a este importante reto mediante el desarrollo de enfoques algorítmicos para métodos formales que permitan analizar modelos estocásticos, lo cual aumentará la utilidad de las herramientas automatizadas. Los resultados serán un soplo de aire fresco para campos que van desde la ingeniería y las matemáticas básicas y aplicadas hasta la biología evolutiva y las finanzas.
Objetivo
The formal analysis of stochastic models plays an important role in different disciplines of science, e.g. probability theory, evolutionary stochastic processes in biology. In computer science, such models arise in formal verification of probabilistic systems, analysis of probabilistic programs, analysis of game-theoretic interactions with stochastic aspects, reasoning about randomized protocols, etc. At the heart of the analysis methods are algorithmic approaches that lead to automated tools. Despite significant and impressive research achievements over the decades, many fundamental algorithmic problems related to formal analysis of stochastic models remain open. Moreover, the emergence of new technologies and the need to build more complex systems, require faster and scalable algorithmic solutions. The overarching theme of the project is algorithmic approaches for formal methods to analyse stochastic models. Our main research aims are:
(1) Finite-state models: Develop faster explicit and implicit algorithms, and establish conditional lower bounds, for finite-state probabilistic systems.
(2) Probabilistic programs: Develop efficient algorithmic approaches and practical techniques (e.g. compositional and abstraction techniques) for the analysis of probabilistic programs.
(3) Stochastic and evolutionary games: Develop algorithmic approaches related to stochastic games and evolutionary games, which bring together the two different fields of game theory.
(4) Application domains: Explore new application areas in diverse domains to demonstrate the effectiveness of the new algorithms developed.
The project’s success will significantly enrich formal methods for analysis of stochastic models that are crucial in the development of robust and correct systems. Since stochastic models are foundational in several disciplines, the new algorithmic solutions are expected to lead to automated tools beneficial to other disciplines.
Ámbito científico
Programa(s)
Régimen de financiación
ERC-COG - Consolidator GrantInstitución de acogida
3400 Klosterneuburg
Austria