Kasper Green Larsen

Adjunkt ved Institut for Datalogi, Aarhus Universitet

Hvad er dit forskningsfelt – kort beskrevet?

Jeg forsker hovedsageligt i algoritmik og datastrukturer. Algoritmik og datastrukturer er en af hjørnestenene i datalogi og vores moderne informationssamfund. Feltet omhandler, hvor effektivt beregningsproblemer kan løses af en computer, samt hvordan data kan struktureres, således at vi kan søge i det effektivt. Når vi bruger computere til at løse problemer, er det algoritmerne og datastrukturerne nedenunder, der sikrer, at vi får de rigtige resultater, og ikke mindst, at computeren bliver færdig med beregningerne indenfor en tilfredsstillende tidsramme. En kort liste af typiske problemstillinger kunne være: Find den korteste vej imellem to byer, find alle hjemmesider indeholdende et givent søgeord, find mutationer i en kræftpatients DNA i forhold til et referencegenom samt at beregne lokal oversvømmelsesrisiko ud fra GIS data. I alle disse applikationerne er det essentielt, at computeren giver os et svar hurtigt.

I min forskning udvikler jeg både hurtigere algoritmer og datastrukturer, samt bruger matematik til at bevise, at centrale beregningsproblemer umuligt kan løses hurtigt af en computer. Jeg forsøger altså at forstå grænserne for, hvad computere og beregninger kan løse for os.

Hvad er de forskningsmæssige udfordringer og perspektiver på dit felt?
Stort set alle computerprogrammer er inderst inde bygget op af en lille håndfuld basale algoritmer og datastrukturer. Det vil altså sige, at såfremt disse kan gøres hurtigere, så vil man automatisk få en hastighedsforbedring af de fleste computerprogrammer. Desværre går der længere og længere tid imellem, at vi ser nye og bedre løsninger til de mest centrale problemstillinger. For at undgå spildt forskningstid og penge, og også blot for at forstå beregninger, forsøger vi derfor at bevise matematisk, at de nuværende løsninger er de bedst mulige. Vi kan altså udelukke fremtidige forbedringer, uanset hvor dygtige fremtidens forskere måtte være. For en håndfuld centrale problemstillinger er vi nu kommet i mål med sådanne beviser, men desværre famler vi stadig i mørke for de fleste andre problemstillinger. Det er utroligt vanskeligt at udelukke eksistensen af effektive løsninger, da man jo skal bevise noget om alle mulige algoritmiske løsninger, selv dem ingen har optænkt endnu. Der er derfor meget arbejde foran os med at udvikle nye matematiske bevisteknikker og idéer.

Hvad vil du bruge dit medlemskab af Det Unge Akademi til?
Jeg ser Det Unge Akademi som en unik mulighed for at udvide mit samarbejdsnetværk til andre fagligheder. Som ph.d. studerende, og i starten af adjunktforløbet, har der været rig mulighed for at skabe sig et netværk inden for ens eget fag, men mulighederne for at skabe kontakt og starte et tværfagligt samarbejde har været begrænsede. Man har på mange måder været isoleret. For mig giver Det Unge Akademi en fantastisk mulighed for at møde forskere fra andre fagligheder. Samtidigt er de andre medlemmer på samme trin i deres karriereforløb og har også aktivt valgt at være en del af et tværfagligt fællesskab. Det Unge Akademi giver altså helt optimale forhold for at diskutere og starte nye samarbejder. Samtidigt vil jeg meget gerne indgå i arbejdet med populærvidenskabelig formidling. Det er tydeligt, at mange fag, inklusiv datalogi, lider under for lidt eksponering i gymnasierne. Det vil jeg meget gerne bidrage til at gøre noget ved.

Hvordan mener du, at man kan styrke tværfagligheden – og hvad kan den bruges til i dit arbejde?
Som jeg ser det, er en af de store udfordringer for yngre forskere at få fundet samarbejdspartnere fra andre fagligheder. Jeg mener, at en af forudsætningerne for interessant og udbytterigt tværfagligt samarbejde, er at deltagerne har en stærk kernefaglighed. Dette opnås typisk ved at arbejde inden for ens eget felt. Problemet er, at dette ikke skaber netværket til de andre fagligheder. Initiativer såsom Det Unge Akademi, hvor forskere med forskellige baggrunde mødes både i formelle og uformelle sammenhænge, er essentielle for at få skabt den første kontakt. Så én måde at styrke tværfagligheden på, ville være at afholde flere arrangerementer med yngre deltagere fra forskellige discipliner. For mit eget vedkommende har datalogi uanede muligheder for at indgå i tværfagligt samarbejde, som eksemplerne på algoritmiske problemstillinger ovenfor også viser. Dog er det vigtigt at fastholde, at de tværfaglige problemstillinger også har interessante datalogiske problemstillinger i sig, således at mit fag ikke ender blot som et servicefag. Samarbejdet bliver kun rigtig interessant, hvis det kræver en stærk kernefaglighed af alle deltagerne.

Lidt om mennesket bag forskeren:
Jeg bor i Viborg sammen med min skønne hustru Lise, samt vores to børn Julie og Noah. Jeg elsker at bruge min fritid sammen med dem, og når tiden tillader det, holder jeg meget af at løbe i skovene omkring vores hus. Det er en fantastisk måde at koble helt af på.