1986-ban született Zentán. Egyetemi tanulmányai megkezdéséig Adán élt. Mérnök-informatikus MSc diplomáját 2010-ben szerezte meg a Pázmány Péter Katolikus Egyetem (PPKE) Információs Technológiai Karán (ITK) műszaki informatika szak, robotika és infokommunikáció szakirányon Neurális algoritmusok az erőforrás menedzsmentben című szakdolgozatával. 2009-ben Erasmus-ösztöndíjjal egy félévet a Leuveni Katolikus Egyetem Mérnöki Karának Villamosmérnöki Tanszékén (ESAT) tanult, ahol mesterséges intelligencia, gépi tanulás, mesterséges neurális hálózatok és Support Vector Machine témakörben végezte tanulmányait. 2011-ben, a XXX. OTDK-n második helyet szerzett Csomagkapcsolt hálózatok hívásengedélyezési algoritmusának megvalósítása neurális hálózattal című dolgozatával. 2010–2011 között a Magyar Tudományos Akadémia Műszaki Fizikai és Anyagtudományi Kutatóintézetében kutatási asszisztensként Si alapú THz detektor kutatás fejlesztése képalkotási célra kutatási témával kutatott. 2011-ben a Finalyse Budapest Kft.-nél statisztikai modellezéssel foglalkozott. 2012-ben szakmérnöki diplomát szerzett a PPKE bionikus számítástechnika szakirányú továbbképzésén. 2011-ben kezdte meg PhD-tanulmányait a PPKE ITK doktori iskolájában párhuzamos számítások témakörben prof. Szolgay Péter vezetésével. 2012 szeptembere óta a University of Oxford, Oxford e-Research Centerben végzi a kutatást prof. Michael B. Giles vezetésével, ahol numerikus problémák párhuzamosításával foglalkozik.
Tudományterület: természettudományok, matematika- és számítástudományok, alkalmazott matematika és informatika interdiszciplináris tudományterülete
E-mail: laszlo.endre@itk.ppke.hu
Web: http://digitus.itk.ppke.hu/~lasen
A doktori értekezés témája:
Gordon Moore a hatvanas években az áramkörök integrálásának fejlődésével, gyártásának hatékonyságával foglalkozott. 1965-ben megjelent cikkében vont le hosszútávú következtetést, melyben azt állította, hogy a chipek számítási teljesítménye 12 havonta fog duplázódni a jövőben. Az eredeti definíció a „számítási kapacitás duplázódása 12 havonta” helyett először a „számítási kapacitás duplázódása 18 havontá”-ra változott, majd a szubmikronos méretek megjelenésével a „tranzisztorok duplázódása 24 havontá”-ra változott. A chipen lévő tranzisztorok és a huzalozás méreteinek csökkentése egy ideig lehetővé tette a processzorok órajelének növelését. 2004 körül viszont a technológia elért egy hatékonysági limitet, és egy megdönthetetlen falba ütközött – ez az integrált áramkör hődisszipációjának problémája. Ahogy az áramkörök mérete csökken egy állandó órajel mellett, nő a vezetők ellenállása, nőnek a parazita kapacitások és a szivárgási áramok. Mindezek következménye, hogy a frekvencia nem növelhető a méretek további csökkentésével, csak komoly hőtermelés árán. Több processzor implementálása egy chipen középtávon megoldást jelent. Így jelentek meg többmagos CPU-k a tudományos és párhuzamos számításokban és velük együtt a segédprocesszorok, mint a grafikus kártyák párhuzamos GPU processzora, az Intel Xeon Phi segédprocesszora, DSP (Digital Signal Processzor) és FPGA (Field-Programmable Gate Array).
Ezeket az eszközöket programozni nem triviális, és hosszútávon komoly problémákat vetnek fel – „nincs ingyen ebéd”. Az algoritmusokat és a programozási eszközöket újra kell gondolni, hogy biztosítani lehessen a hatékony kihasználásukat. A programozási nyelvek és eszközök sokasága, mint az OpenMP, CUDA, OpenCL, CilkPlus, AVX intrinsic stb. a nehézséget még hatványozza.
A mérnöki és tudományos problémák megoldásánál számos olyan számítási feladat jelentkezik, amit nagy számítási kapacitású eszközökkel lehet csak belátható időn belül megoldani. Ilyenek többek között a folyadékáramlási szimulációk és pénzügyi számítások, ahol a diszkretizált parciális differenciál- egyenletek numerikus megoldásával lehetséges új tudományos, technológiai eredmények elérése.
Kutatási témám főként olyan numerikus metódusok párhuzamosítására terjed ki, melyeket strukturált és strukturálatlan rácsokon diszkretizált parciális differenciál egyenletek megoldásánál alkalmaznak. Ilyenek a 1) lineáris egyenletrendszerek megoldása, különös tekintettel a tridiagonális egyenletrendszerek algoritmusaira; 2) a strukturálatlan térhálók adatelérésnek optimalizálása; 3) processzor architektúrák vektorizálási lehetőségeinek vizsgálata és az 4) új párhuzamos programozási modellek alkalmazhatóságának vizsgálata.
Jelentősebb publikációk:
J. Levendovszky–E. Laszlo–K. Tornai–G. Treplan 2011: Novel Load Balancing Scheduling Algorithms for Wireless Sensor Networks. – IARIA NexComm. Budapest.
E. Laszlo–P. Szolgay–Z. Nagy 2012: Analysis of a GPU Based CNN Implemention. – 13th International Workshop on Cellular Nanoscale Networks and their Applications. Turin.
B. Szentpali–G. Matyi–P. Furjes–E. Laszlo–G. Battistig–I. Barsony–G. Karolyi–T. Berceli 2011: Thermopile-based THz Antenna. – Microsystems Technologies. Berlin/Heidelberg. Springer.
M. B. Giles–G. R. Mudalige–C. Bertolli–P. H. J. Kelly–E. Laszlo–I. Reguly 2012: An Analytical Study of Loop Tiling for a Large-scale Unstructured Mesh Application. – PMBS’ 12. Proceedings of the 3rd International Workshop on Performance Modeling. Benchmarking and Simulation of High Performance Computing Systems.
I. Reguly–E. Laszlo–G. Mudalige–M. Giles 2014: Vectorizing Unstructured Mesh Computations for Many-core Architectures. – International Workshop on Programming Models and Applications for Multicores and Manycores. Orlando.
Gondolataim a vajdasági magyar tudományos életről és tudományos utánpótlásról:
A tudományos élet pezsgése és utánpótlása arányos a felsőoktatásra és kutatásra szánt költségvetési források mértékével. Különösen jellemző ez a legtöbb természettudományi ágra – egy-egy labor felszerelése komoly költségekkel jár. Mindemellett, a tudás és tapasztalat áramlása csak utazások, ösztöndíjak révén biztosítható. A tudományos élet segítése érdekében kisszámú, de jól finanszírozott felsőoktatási, kutatási intézményre és nagyobb volumenű külföldi együttműködésre, ösztöndíjprogramokra van szükség, ami inkubátorként tömöríti a tapasztalt, tehetséges kutatókat és további lehetőséget ad számukra a tapasztalatok hazahozására és otthoni kamatoztatására. Ezek a helyek szolgálhatnak később jól képzett egyetemi hallgatók képzésére.
A tudományos utánpótlás problémájának igazi gyökere azonban mélyebben található – az általános iskolai és középiskolai oktatásban nem helyeznek elég hangsúlyt a természettudományos érdeklődés felkeltésére. Meg kell mutatni a fiataloknak a lehetőségeket, érdekes kísérletekkel könnyen fel lehet kelteni a fiatalok érdeklődését. Mindemellett szükséges megértetni velük, hogy a kitartó munkával és a saját munkájuk iránti bizalommal még többet tudnak elérni – ez pedig az inspiráló tanárokon múlik.
