A HUN-REN SZTAKI két fiatal kutatója Farkas Gyula Emlékdíjban részesült

2026. január 8-án a Magyar Tudományos Akadémia székházának dísztermében tartotta díjátadó ünnepségét a Bolyai János Matematikai Társulat (BJMT). Az eseményen többek között a HUN-REN SZTAKI Mérnöki és Üzleti Intelligencia Kutatólaboratóriumának két kutatója – Szentpéteri Szabolcs és Tamás Ambrus – vehette át a Farkas Gyula Emlékdíjat.

Az elismerést évente legfeljebb négy, 35 év alatti fiatal kutató nyerheti el, akik kiemelkedő tudományos tevékenységet folytattak a matematika alkalmazásaihoz szorosan kapcsolódó elméleti területeken, a modellalkotásban, az alkalmazott matematika oktatásában vagy népszerűsítésében, illetve az informatikai módszerek fejlesztésében, és e területeken számottevően új eredményeket értek el. A díjakat Röst Gergely, a BJMT Alkalmazott Matematika Szakosztályának elnöke adta át. A díjátadó ünnepség a Magyar Tudományos Akadémia alapításának 200. évfordulója alkalmából szervezett jubileumi eseménysorozat részeként valósult meg.

Szentpéteri Szabolcs (fent, jobbra) tudományos eredményeit elsősorban a rendszer identifikáció, a bizonytalanság kiértékelés és a megerősítéses tanulás területén érte el. Kutatásai középpontjában sztochasztikus lineáris (dinamikus) rendszerek adatvezérelt, eloszlás-független bizonytalanság kiértékelési módszereinek vizsgálata áll, amelyek újra-mintavételezési és rangsorolási eljárásokon alapulnak. Ennek keretében több általánosítását vezetett be a korábban részben témavezetője – Csáji Balázs Csanád – által kidolgozott nem-aszimpotikus "Sign-Perturbed Sums" (SPS) rendszer identifikációs módszernek, továbbá elemezte az SPS és ellipszoidális külső közelítésének mintahatékonyságát.

Tamás Ambrus (fent, jobbra) eredményeit a mesterséges intelligencia egyik központi területe, a gépi tanulás elméleti alapjainak kutatásában érte el. Munkásságának visszatérő motívuma az adatvezérelt, eloszlás-független, véges mintás, egzakt konfidenciahalmazok konstrukciója. Kutatásai kiterjednek a vastag-farkú (heavy-tailed) eloszlások várható értékének robusztus becslésére, sztochasztikus többkarú bandita (multi-armed bandit) problémák korábbinál lényegesen enyhébb feltételek melletti megoldására, bináris osztályozók bizonytalanságának kvantifikálására, sztochasztikus lineáris rendszerek függetlenségének vizsgálatára, valamint kernel átlag beágyazások rekurzív becslésére.

Az átadó visszanézhető az MTA hivatalos Youtube-csatornáján: