Der Carl-Friedrich-Gauß-Preis, den die Internationale Mathematische Union (IMU) und die DMV gemeinsam vergeben, geht dieses Jahr an Yurii Nesterov von der belgischen Universität Löwen „für seine bahnbrechenden Arbeiten zur mathematischen Optimierung, die die theoretische Grundlage und das algorithmische Rückgrat für viele numerische und datengesteuerte Bereiche bildeten und damit praktische Berechnungen ermöglichten, die zuvor zu zeitaufwendig waren, um durchführbar zu sein“, wie die IMU am 23. Juli 2026 auf dem ICM in Philadelphia bekannt gab.
Yurii Nesterov ist ein Mathematiker, der herausragende Beiträge zur Optimierung geleistet hat, die auch erhebliche Auswirkungen auf verschiedene Bereiche außerhalb der Mathematik haben, indem sie die Effizienz von Algorithmen in den Ingenieurwissenschaften, der Informatik und den Datenwissenschaften, im maschinellen Lernen, in der Wirtschaftswissenschaft und in der Operations-Forschung drastisch verbessern.
Yurii Nesterov festigte seinen Ruf auf dem Gebiet der Optimierung durch die Veröffentlichung des einflussreichen Buchs „Interior-Point Algorithms in Convex Programming“ im Jahr 1994, das er gemeinsam mit Arkadi Nemirovski verfasste. Obwohl die Erforschung der konvexen Geometrie und konvexer Funktionen bereits seit Beginndes 20. Jahrhunderts ein aktuelles Thema war, war der Komplexitätsstatus der konvexen Optimierung noch nicht gut verstanden. Nesterov und Nemirovski entwickelten in ihrem Buch die neuartige Theorie der selbstkonkordanten Barrierefunktionen, die sie zur Entwicklung von Innenpunktverfahren mit garantierter polynomieller Zeitkomplexität (imTuring-Modell) zur Minimierung linearer Funktionen auf konvexen Mengen mit gut verhaltenen selbstkonkordanten Barrieren. Ihre Ergebnisse gelten für wichtige Klassen konvexer Probleme, darunter lineare Programmierung (LP), semidefinite Programmierung (SDP) und allgemeine konische lineare Programmierungsprobleme. Während Polynomialzeit-Innenpunktalgorithmen für LP bereits seit den Arbeiten von Karmarkar im Jahr 1984 bekannt waren, waren solche Algorithmen für semidefinite und konische lineare Programmierungsprobleme völlig neu. Die Erforschung von Algorithmen und Anwendungen für SDP erlebte in der Folge einen explosionsartigen Aufschwung, und SDPs gelten heute als grundlegendes Werkzeug der mathematischen Optimierung.
Zur vollständigen Citation der IMU in englischer Sprache (pdf).
Zum Videoportrait (auf youtube).
