Mario Szegedy

  • Fame39,9
  • Momentum0,0
  • Wikipedia270
QuellenbasiertAbsteigend
Geboren 1960 · Alter 66United States

Bestätigen Sie die Inhaberschaft in 2 Minuten. So bleibt das Profil korrekt und auffindbar.

  • Wikipedia
    7 Sprachen
    Präsenz über Sprachen hinweg
  • Alter
    66
    Geboren 1960
  • Auszeichnungen
    3
    recognised works
Zusammenfassung
Aktualisiert 09.06.2026

Mario Szegedy (* 23. Oktober 1960) ist ein US-amerikanischer Informatiker. Szegedy wurde 1989 an der University of Chicago bei László Babai promoviert (Algebraic Methods in Lower Bounds for Computational Models). Als Post-Doc war er an der Hebräischen Universität in Jerusalem, an der Universität Chicago und den Bell Laboratories (1992), an denen er danach bis 1999 war. 1999 war er am Institute for Advanced Study. Er ist Professor für Informatik an der Rutgers University, an der er seit 2000 ist. Szegedy beschäftigt sich mit Komplexitätstheorie, Kombinatorik, kombinatorischer Geometrie und Quanten-Informatik (er gründete QCteam, ein Quantum Computing Labor an der Rutgers University). 1992 formulierte er mit Noam Nisan die Sensibilitäts-Vermutung für Boolesche Funktionen. Die Sensibilität ist eines von mehreren Komplexitätsmaßen für Boolesche Funktionen und misst die Wahrscheinlichkeit, dass die Änderung des Wertes eines Input-Bits den Output ändert. Bei den anderen Komplexitätsmaßen Boolescher Funktion war bekannt, dass sie in polynomialer Beziehung zueinander stehen, nur bei der Sensibilität war dies offen. Nisan und Szegedy vermuteten, dass auch die Sensitivität in polynomialer Beziehung mit den anderen Maßen stand. Die Vermutung war bis zu ihrer – überraschend eleganten und kurzen – bejahenden Lösung 2019 durch Hao Huang eine der bedeutendsten ungelösten Probleme der Informatik. Er erhielt zweimal den Gödel-Preis, 2001 für seine Beteiligung am Beweis des PCP Theorems und 2005 für die Komplexitätsanalyse von Datenströmen. Für 2019 wurde ihm der Paris-Kanellakis-Preis zugesprochen.

Hier zu finden

Plattformen

In Zahlen

Score-Aufschlüsselung

Die sechs Teilsignale hinter dem Fame-Score und ihre Ränge in den Ranglisten.

Fame
Absteigend
39,9
Zusammengesetzt aus Suchnachfrage, Erwähnungen, Reichweite und Vernetzung.
Score-Bestandteile
Historisch6,1
Quellenzuverlässigkeit40,0
Vollständigkeit70,0
Globaler Rang
Rang im Land
Rang in der Kategorie
Belege

Quellen