Till innehåll på sidan
Till KTH:s startsida

Jennifer Ryan

Matematik med inriktning mot numerisk analys

Modellering av fysiska fenomen som miljöföroreningar, vulkanutbrott och orkaner beror på förmågan att koppla samman information från väldigt olika rumsliga skalor. Simuleringen av den komplexa fysik som uppstår i dessa tillämpningar kräver betydande beräkningstid och avsevärda hårdvaruresurser. Detta gör att vi måste förlita oss på tekniker som endast kan representera en del av datan. Valet av hur vi representerar data leder till olika mönster i datan. Dessa mönster innehåller "dold information" som kan användas för att skapa mer exakta representationer av de fysiska fenomenen.

Jennifer Ryans forskning utvecklar matematiska metoder och beräkningsfilter för att förbättra vår förmåga att extrahera information från given data och för att ge insikt i eventuell underliggande dold information. Egenskaperna hos de filter hon designar är baserade på fysik och förankrade i rigorös matematisk teori, vilket gör dem användbara inom områden som kräver storskaliga beräkningsmodeller. Genom att upptäcka småskaliga anomalier i datan är det möjligt att skapa skräddarsydda filtreringsmetoder som minskar bruset i datan, vilket möjliggör extraktion av mer exakta approximationer av de fysiska fenomen som modelleras.

Anders Andersson
Madeline Balaam
Karin Bradley
Véronique Chotteau
Jens Edlund
Karin Edvardsson Björnberg
Henrik Ernstson
Kerstin Forsberg
Šarūnas Girdzijauskas
Stefan Grönkvist
Dilian Gurov
Kristinn B. Gylfason
Patrik Hilber
Milan Horemuz
Erik Jenelius
Fredrik Johansson
Magnus Johnson
Johan Karlsson
Stefano Markidis
Daniel Månsson
Jenny Paulsson
Christopher Peters
Stephan Roth
Jennifer Ryan
Ragnar Thobaben
Frauke Urban
Francisco Vilaplana
Ming Xiao
Ozan Öktem