Zapraszamy na Seminarium Wydziału Matematyki i Informatyki UMK, które odbędzie się w środę, 10 czerwca 2026 r., o godzinie 10:15 w Auli. Seminarium odbędzie się w nowej formule: zamiast jednego dłuższego wykładu zaplanowano dwa krótsze, zróżnicowane tematycznie, wystąpienia. Pierwszy wykład wygłosi prof. Krzysztof Frączek, a drugi dr Piotr Przymus.
Wykład 1
Tytuł: O hipotezie Zoricha-Kontsevicha i nie tylko
Prelegent: prof dr hab. Krzysztof Frączek
Abstrakt:
Głównym celem mojego wykładu jest przedstawienie problemu kontrolowania prędkości zaniku błędu w twierdzeniu ergodycznym, tzn. różnicy między średnią po czasie a średnią po przestrzeni dla ergodycznych układów dynamicznych. Główną klasą omawianych układów dynamicznych będą tzw. potoki lokalnie hamiltonowskie na dwuwymiarowych powierzchniach.
Potoki lokalnie hamiltonowskie zostały wprowadzone w latach osiemdziesiątych XX wieku przez S. P. Novikova w kontekście badań
trajektorii elektronów w metalach, w sieci odwrotnej, w obecności jednorodnego pola magnetycznego, czyli na powierzchniach Fermiego w kryształach. W latach dziewięćdziesiątych M. Kontsevich i A. Zorich sformułowali hipotezę dotyczącą zachowania błędów w twierdzeniu ergodycznym dla ergodycznych potoków lokalnie hamiltonowskich. Hipoteza ta zapoczątkowała serię przełomowych wyników uzyskanych przez tak wybitnych matematyków, jak A. Avila, G. Forni czy J.-C. Yoccoz.
Celem mojego wykładu jest przedstawienie zwieńczenia badań nad tą hipotezą, a także wyników i otwartych pytań, które wykraczają poza jej zakres.
Wykład 2
Tytuł: Błędy, podatności i sztuczna inteligencja w inżynierii oprogramowania
Prelegent: dr Piotr Przymus
Abstrakt:
Zaprezentuję badania dotyczące jakości i bezpieczeństwa oprogramowania w dużych systemach oraz ekosystemach open source. Prace te łączą analizę danych, uczenie maszynowe oraz zagadnienia inżynierii oprogramowania w badaniach nad błędami, podatnościami i procesami rozwoju oprogramowania, w tym rozwoju wspomaganego przez sztuczną inteligencję. Omówione zostaną m.in. zagadnienia lokalizacji błędów, propagacji podatności w zależnościach programistycznych oraz nowych wyzwań związanych z wykorzystaniem AI w tworzeniu oprogramowania.