计算及模型科学

透过计算、收集、处理和输送大量数据,计算机和资讯科技基本上已改变了我们的日常生活。面对大幅增长及排山倒海的数据,浸大理学院的研究人员现正使用新的方法去开创、处理、管理和塑造模型。

模型检验与降维

要分析一个变数与另一些变数之间的关系,统计学的回归分析方法经常被使用。然而要建立正确的模型,需要适当的检验方法以避免误导进一步的分析,同时将不太重要的数据剔除也有助于分析。 「回归中的模型检验和降维」不但提升检验模型的功效,更较其他现有的降维方法计算简便和快捷。

这项创新的统计理论成果将进一步研究应用于生物医学、基因、音乐及商业领域。例如要检测患上糖尿病的因素,便可使用模型检验和降维技术,从几十万个基因中,抽出某些或某个对患者有关键影响的基因,再作分析。

朱力行 教授
数学系

模型检验方面,我们的研究是采用全域光滑方法,无需非参数拟合,能使检验的功效更高;通过降维技术,回归方法可更有效地用作处理非线性问题,使得运算更简便

 

 

     

未来十年的大规模存储系统

大规模存储系统在今天的资讯科技基建中扮演很重要的角色,而数据存储的需求预计会在2020年达到惊人的40亿太位元组。有鉴于存储空间和计算能力的不均衡发展,我们正开发一套创新设计的并行计算技术,以尽量运用所有存储节点的计算资源,以满足post-Exascale存储系统的计算需求,而不会影响用户的其他计算工作。它可以协助大规模存储系统的设计人员克服主要的计算障碍,从而在不久的将来实现一个安全高效的post-Exascale存储系统。

 

禇晓文 博士
计算机科学系

这计划的最终目的是驾驭并行计算的力量,以解决大规模安全存储系统中潜在的计算樽颈问题