Internationellt erkännande för Kristin Kirchners ERC-projekt FunCalc4Stats

Stora och komplexa datamängder är idag en självklar del av forskning inom allt från klimatvetenskap till artificiell intelligens. För att kunna dra tillförlitliga slutsatser krävs nya matematiska metoder som både kan hantera datamängdernas storlek och beskriva osäkerheter på ett korrekt sätt. Kristin Kirchner  berättar om hur projektet FunCalc4Stats ska bidra till att lösa den utmaningen.

Kan du beskriva projektet och den viktigaste vetenskapliga frågan ni försöker besvara?

Inom områden som klimatologi, demografi och geologi samlas stora mängder data in över både rum och tid. Den snabba tekniska utvecklingen har lett till att datamängderna blivit betydligt större och mer komplexa, vilket gör att dagens statistiska metoder ofta inte räcker till. Därför behövs nya angreppssätt som både kan fånga komplexa rumsliga och tidsmässiga samband och samtidigt hantera stora datamängder på ett effektivt sätt.

The ERC project FunCalc4Stats was invited to be featured in the Thought Leadership Film Series on ICM TV, the official broadcast channel of the International Congress of Mathematicians (ICM) 2026, which took place from 23 to 30 July 2026 in Philadelphia, USA.

tekniska utvecklingen har lett till att datamängderna blivit betydligt större och mer komplexa, vilket gör att dagens statistiska metoder ofta inte räcker till. Därför behövs nya angreppssätt som både kan fånga komplexa rumsliga och tidsmässiga samband och samtidigt hantera stora datamängder på ett effektivt sätt.

ERC-projektet FunCalc4Stats syftar till att utveckla de matematiska grunderna för mer realistiska statistiska modeller och effektiva beräkningsmetoder för rumsliga och spatiotemporala data. Den centrala forskningsfrågan är: Hur kan vi utveckla nya beräkningsmässigt effektiva metoder för statistisk inferens som både förbättrar modellernas förmåga att beskriva verkligheten och samtidigt garanterar tillförlitliga och noggranna resultat?

För att uppnå detta använder projektet metoder från den rena matematiken, särskilt funktionalkalkyl för differentialoperatorer, ett kraftfullt verktyg som på senare år har bidragit till djupare förståelse av partiella differentialekvationer.

Hur hoppas du att andra forskare kommer att använda metoderna som utvecklas inom FunCalc4Stats?

Inom FunCalc4Stats utvecklas flexibla klasser av gaussiska processer för att modellera osäkerhet samt algoritmer som möjliggör effektiva beräkningar och prognoser. Metoderna har särskilt stor potential inom tre områden:

1. Rumslig statistik, för att modellera slumpmässiga fenomen bakom rumsliga och spatiotemporala observationer.
2. Ingenjörsvetenskap, för att kvantifiera osäkerheter i exempelvis materialparametrar eller värmekällor.
3. Maskininlärning, där de kan användas för probabilistiska modeller som inte bara ger prognoser utan också uppskattar osäkerheten i dessa.

Genom att introducera metoder inspirerade av partiella differentialekvationer vill projektet också stärka kopplingen mellan numerisk analys och statistik och främja samarbetet mellan dessa områden inom den tillämpade matematiken.

I vilket sammanhang presenterades projektet vid ICM?

ERC-projektet FunCalc4Stats bjöds in att presenteras inom Thought Leadership Film Series på ICM TV, den officiella sändningen från International Congress of Mathematicians (ICM) 2026 , som ägde rum den 23-30 juli 2026 i Philadelphia, USA.

ICM är världens största matematiska konferens och samlar tusentals matematiker från hela världen. Den fem minuter långa dokumentärfilmen om FunCalc4Stats visades på skärmar runt om på konferensen och lyftes även fram i flera sociala mediekanaler, bland annat på ICM TV:s YouTube-kanal.