新奥尔良大学计算机科学教授Shaikh Arifuzzaman获得了国家科学基金会为期两年、近25万美元的资助，用于设计快速、可扩展的算法，能够解剖和分析复杂的动态数据。

Arifuzzaman说，现代技术革命是数据驱动的，不同领域的科学发现依赖于对这些复杂数据集的有效挖掘、学习和分析。然而，大多数社会和技术部门现在正在经历数据的指数级增长，这些数据太大，无法用传统方法处理。这些行业的例子包括社交媒体平台，如Facebook和Twitter，生物系统（如蛋白质相互作用），商业系统和基础设施。

增加复杂性的是，这些数据集固有的模式和属性是动态的，并随着时间的推移而演变。

Arifuzzaman的研究旨在通过开发创新的算法和计算技术，设计可扩展的方法来揭示社会技术系统的动态行为。Arifuzzaman说，现有的动态图研究显示，对于大规模的实际数据集来说，可扩展性有限。Arifuzzaman的研究将通过设计能够有效适应大规模动态图（网络）数据日益增长的需求的算法来解决这种复杂性。

“图表是一个通用的科学框架，用来表示和分析生物、社会和人类制造的复杂系统，”Arifuzzaman说。“这种复杂的系统本质上是动态的。例如，社会互动和人类活动是间歇性的；连接在功能性大脑网络中出现和消失。”

尽管“时间”在这些系统中扮演着核心角色，但大多数关于图的经典研究都是基于静态图的拓扑特性，即不随时间变化的图，Arifuzzaman说。

Arifuzzaman说，这项研究产生的算法方法将适用于理解各种现实世界系统的动态特性。他说，例如，定位皮质（大脑）网络中的关键神经元，基础设施网络中时变流量的路线规划，或跟踪社交/联系网络中的信息传播。

Arifuzzaman将与劳伦斯伯克利国家实验室的性能和算法小组合作，使用位于伯克利实验室的世界上最强大的超级计算机。