Algorithms, Dynamics and Information Flow in Netzworks)

(Research Unit, funded by DFG, 2020-2023)

Spreading processes in networks are a central challenge in many areas of modern society - viruses spread in a population, news and opinions in social networks, malware in the Internet, etc. In financial markets, similar effects can lead to instability and bankruptcy and highlight the systemic risks in interconnected economies. Dynamics and spreading can also be used constructively, e.g., in the design of distributed algorithms for decentral applications. Dynamic spreading processes can be interpreted as an information flow in a network. In many applications, the fundamental algorithmic properties of these information flows are not well-understood. The research unit consists of six projects that study different aspects of spreading and information flow - distributed algorithms and population protocols, systemic risks in financial markets, learning and reconstruction, opinion dynamics, network design, and scalable algorithms for implementation and simulation of randomized processes. The goals are to establish foundational insights across the different areas, as well as to develop algorithms to simulate, reconstruct, control, and optimize information flows in networks.

Speaker: Martin Hoefer
Pls: Petra Berenbrink, Nils Bertschinger, Amin Coja-Oghlan, Tobias Friedrich, Martin Hoefer, Ulrich Meyer

Website of research unit: [Link]

Algorithms, Dynamics, and Information Flow in Networks

(Forschungsgruppe, gefördert von der DFG, 2020 - 2023)

Ausbreitungsprozesse in Netzwerken sind eine zentrale Herausforderung in vielen Bereichen der Gesellschaft - Viren verbereiten sich in der Bevölkerung, Neuigkeiten und Meinungen in sozialen Netzwerken, Schadprogramme im Internet, usw. In Finanzmärkten können Ansteckungs- und Ausbreitungsprozesse stattfinden und systemische Risiken offenbaren. Die Dynamik von Ausbreitungsprozessen kann aber auch konstruktiv beim Entwurf von verteilten Algorithmen für dezentrale Anwendungen genutzt werden.

Prozesse dieser Art können als ein Fluss von Information durch ein Netzwerk angesehen werden. Die algorithmischen Eigenschaften von solchen Informationsflüssen sind in vielen Bereichen noch nicht gut verstanden. Die Forschungsgruppe untersucht in sechs Teilprojekten verteilte Algroithmen und Population Protocols, systemische Risiken in Finanzmärkten, Lernen und Rekonstruktion von Ansteckungsprozessen, Meinungsdynamiken, Netzwerkdesign sowie Skalierungsfragen bei der Implementation und Simulation von Prozessen dieser Art. Die Ziele sind einerseits die Erforschung von Grundlagen über die Teilgebiete hinweg, als auch konkrete algorithmische Verfahren für die Simulation, Rekonstruktion, (Gegen-)Steuerung und Optimierung von Informationsflüssen in Netzwerken.

Sprecher: Martin Hoefer
PIs: Petra Berenbrink, Nils Bertschinger, Amin Coja-Oghlan, Tobias Friedrich, Martin Hoefer, Ulrich Meyer

Webseite zur Forschungsgruppe: [Link]

Kolloquium Mathematische Informatik


Das Kolloquium Mathematische Informatik ist ein fach­be­reichs­über­grei­fen­des Kolloquium, das zum Winter­semester 2011 ins Leben gerufen wurde, und das aus dem Forschungs­seminar Informatik und Mathematik, das in den Jahren 2008 bis 2010 stattfand, hervorgegangen ist.

Das Kolloquium dient dem Austausch über Themen im Bereich der Forschungs­interessen der be­teilig­ten Ar­beits­gruppen. Die Vorträge werden von Mit­gliedern der Arbeits­gruppen sowie von Gästen gehalten. Die Vorträge werden eingeteilt in Lectures und Tech Talks: Die Lectures geben eine Ein­führung in ein Forschungs­gebiet, einen Über­blick, oder einen Ein­blick in ein junges Gebiet. Die Tech Talks präsentieren neue Forschungs­er­gebnisse.

Die Webseite zum Kolloquium "Mathematische Informatik" ist unter

https://www.math.uni-frankfurt.de/~hahnklim/KollMathInformatik/

zu finden.

Algorithms for BIG DATA

BIG DATA

Computer Systems pervade all parts of human activity and acquire, process and exchange data at a rapidly increasing pace. As a consequence, we live in a Big Data world where information is accumulating at an exponential rate and often the real problem has shifted from collecting enough data to dealing with its impetuous growth and abundance. In fact, we often face poor scale-up behaviour from algorithms that have been designed based on models of computation that are no longer realistic for big data.

While it is getting more and more difficult to build faster processors, the hardware industry keeps on increasing the number of processors/cores per board or graphics card, and also invests into improved storage technologies. However, all these investments are in vain, if we lack algorithmic methods that are able to efficiently utilize additional processors or memory features.

Our Goal

the new priority programme wants to improve the situation by bringing together expertise from different areas. On the one hand recent hardware developments and technological challenges need to be appropriately captured in better computational models. On the other hand, both common and problem specific algorithmic challenges due to big data are to be identified and clustered. Considering both sides, a basic toolbox of improved algorithms and data structures for big data sets is to be derived, where we do not only strive for theoretical results but intend to follow the whole algorithm engineering development cycle.

For more information: https://www.big-data-spp.de/

NeFF - Neuronale Koordination Forschungsschwerpunkt Frankfurt

 

Das menschliche Gehirn zu verstehen bleibt eine der großen wissenschaftlichen Herausforderungen. Neuronale Koordination, also die räumlich-zeitliche Wechselwirkung der Aktivität von Neuronenverbänden, gilt als zentraler Mechanismus für sämtlichen höheren Hirnleistungen. Gestörte neuronale Koordination ist dagegen Ursache oder Ausdruck häufiger Hirnerkrankungen.

Der Neuronale Koordination Forschungsschwerpunkt Frankfurt (NeFF) bündelt die interdisziplinären Expertisen von fünf Fachbereichen der Goethe-Universität, des Max-Planck-Institutes für Hirnforschung, des Frankfurt Institute for Advanced Studies und des Ernst-Strüngmann-Institutes.

Neuronale Koordinationsforschung ist ein hochattraktiver und zukunftsweisender Ansatz, um die Diagnostik und Therapie von häufigen Hirnerkrankungen wie Schizophrenie, Autismus, Alzheimer-Demenz oder Multipler Sklerose zu verbessern.

http://www.neff-ffm.de/de/index.php

Zusätzliche Informationen