Till innehåll på sidan
Till KTH:s startsida

Avdelningen för teoretisk datalogi

Vid avdelningen för teoretisk datalogi (TCS) studeras grunderna för effektiva
och korrekta algoritmer och programvara. Tillämpningar finns inom
programutvecklingsteknik, datasäkerhet, kryptografi, verifiering och
SAT-lösning, språkteknologi och datadidaktik. Nedan kan du läsa om de olika forskningsområdena, informationen finns endast på engelska.

Forskningsområden 

Beräkningskomplexitet

Att lösa ett beräkningsproblem kräver resurser och den grundläggande frågan som studeras inom detta forskningsområde är att, så nära som möjligt, bestämma beräkningssvårigheten för grundläggande problem.

Datasäkerhet

Vi studerar hur fördröjningar och fel i nätverkskommunikationen påverkar beteendet hos nätverksbaserad programvara, där felhantering är svår att testa med konventionella metoder.

Datadidaktik

Forskning om datavetenskaplig utbildning är ett tvärvetenskapligt område som syftar till att öka förståelsen för hur studenter lär sig datavetenskap och hur undervisningen och bedömningen av datavetenskap kan förbättras.

Dataanalysens grunder

Datavetenskap har vuxit fram som en viktig disciplin för att omvandla tillgängliga data till kunskapsprodukter som ger insikter i motsvarande domäner, förbättrar beslutsfattandet och påskyndar vetenskapliga upptäckter.

Konstruktion och analys av programvara

En av dagens stora tekniska och samhälleliga utmaningar är att kunna producera mjukvarusystem som beter sig på ett tillförlitligt och förutsägbart sätt. Vi forskar om olika sätt att bemästra programvarukomplexitet.

Träffa avdelningen 

Senaste publikationerna

[1]
G. Venturin, I. Sarpe och F. Vandin, "Efficient Approximate Temporal Triangle Counting in Streaming with Predictions," i Machine Learning and Knowledge Discovery in Databases. Research Track - European Conference, ECML PKDD 2025, Proceedings, 2026, s. 244-262.
[2]
E. Calikus, G. De Francisci Morales och A. Gionis, "Who is at Risk? Analyzing the Risk of Radicalization Among Reddit Users," i Machine Learning and Knowledge Discovery in Databases. Applied Data Science Track and Demo Track - European Conference, ECML PKDD 2025, Proceedings, 2026, s. 375-392.
[3]
M. Ciaperoni, A. Gionis och H. Mannila, "Sample and Expand: Discovering Low-Rank Submatrices With Quality Guarantees," i Machine Learning and Knowledge Discovery in Databases. Research Track - European Conference, ECML PKDD 2025, Proceedings, 2026, s. 78-95.

Nyheter

Martin Monperrus

AI fixar säkerhetsbrister - KTH vinner prestigefyllt pris

Kan AI åtgärda säkerhetsbrister innan hackare slår till? KTH-forskare säger ja - och deras genombrott vann priset Best Paper Award 2023 från IEEE Transactions on Software Engineering. Genom att använd...

Läs artikeln
Samuel Lavebrink och Madeleine Lindström

Så stoppar du cyberattacker med honungsfällor

I det ständigt föränderliga landskapet av cyberkrigföring krävs innovativa strategier för att försvara sig mot människokontrollerade cyberattacker. En nyligen genomförd studie av studenter vid KTH för...

Läs artikeln

Cyrille Artho ny föreståndare för CASTOR

Cyrille Artho är ny föreståndare för forskningscentret CASTOR Software Research Centre. Han har bott i Japan i 11 år, där han har arbetat med analys av nätverksmjukvara och testning tillsammans med mj...

Läs artikeln

Kalender