Fabian Nøst Harang

Jeg brenner for å gjøre matematikk forståelig og engasjerende for andre, og er drevet av en dyp fascinasjon for matematiske strukturer og deres anvendelser i andre fagfelt

Kort fortalt – hva forsker du på?

Jeg forsker på stokastisk analyse og anvendelser mot matematisk økonomi og finans. Stokastisk analyse er en rettning i matematikken hvor man studerer komplekse dynamiske systemer og prosesser som er påvirket av tilfeldighet og usikkerhet. Man bruker denne teorien til å modellere og analysere situasjoner der utfall ikke er helt forutsigbart, men påvirkes av tilfeldige faktorer, som værforhold, finansmarkeder eller fysiske systemer. Et eksempel er modellering og analyse av renter eller aksjepriser, hvor fremtidig utvikling vil påvirkes av ukjente markedskrefter. Her kan en stokastisk modell bli brukt til å forså hvordan fremtidig usikkerhet vil påvirke renter og priser, og på den måten brukes til å ta beslutninger rundt rente setting eller pensjonsforvaltning.  Teorien har i dag bruksområder i mange forskjellige fagområder, fra fysikk, kjemi og biologi til økonomi, demografi eller moderne datavitenskap.

Hva er de mest spennende problemstillingene innenfor ditt fagfelt?

Det er mange spennende problemstillinger innenfor stokastisk analyse og anvendelser.

Å forstå hvordan støy eller tilfeldige påvirkninger kan «glatte ut» eller regularisere komplekse systemer er et forskningsfelt jeg er involvert i. For eksempel, kan man studere et likningssystem som ikke er påvirket av tilfeldighet og finne ut at likningen ikke har noen løsning. Om man studerer samme likning under påvirkning av tilfeldige prosesser (selv ved en mikroskopisk påvirkning) kan vise seg å ha en unik løsning! Påvirkningen av den tilfeldige prosessen gir en regulariserende effekt på likningen, og vi kan dermed analysere den og simulere løsningen på en datamaskin. Dette har anvendelser innen alt fra veskedynamikk og kvantefeltteori til matematisk økonomi og finans, og det krever utvikling av nye matematiske teknikker, slik som «røff-sti»-teori, for å kunne få en dypere forståelse av disse effektene.

Med fremveksten av maskinlæring blir det også viktigere å forstå hvordan stokastisk analyse kan anvendes til å forbedre modeller for kunstig intelligens. Dette kan bidra til å lage mer robuste maskinlæringsalgoritmer som kan håndtere usikkerhet og tilfeldighet på en bedre måte.

Hvorfor og hvordan ble du interessert i ditt forskningfelt?

Jeg var en ganske gjennomsnittlig student på barneskolen og videregående. Jeg foretrakk egentlig å tilbringe tiden ute, hvor jeg kunne stå på snowboard og skateboard. Etter videregående tok jeg et par friår for å jobbe og reise, og det var i løpet av denne tiden, mens jeg jobbet i en bank, at jeg ble interessert i økonomi og finans. Jeg bestemte meg for å studere til siviløkonom, men jeg hadde et stort problem: Jeg likte ikke matematikk. Faktisk strøk jeg tre ganger i begynnerkurset i matematikk på Handelshøyskolen BI, hvor jeg nå jobber. Dette førte til at jeg ble innkalt til en samtale med dekanen, som sendte meg videre til matematikkforeleser Robert Hansen.

Robert endret mitt syn på matematikk fullstendig. Han fikk meg til å forstå både viktigheten av matematikk for økonomifagene og hvordan man må jobbe med faget for å lykkes. Etter møtet med Robert begynte jeg å få grep om faget, og jeg klarte til slutt å bestå innføringskurset i matematikk med gode karakterer. Det var en stor personlig seier, og etter hvert bestemte jeg meg for å bytte studieretning til ren matematikk ved Universitetet i Oslo.

Opprinnelig var min motivasjon å lære avansert matematikk for å forstå økonomi og finans bedre, men etter hvert ble matematikken et mål i seg selv. Jeg fullførte både mastergrad og doktorgrad i matematikk, med spesialisering i stokastisk analyse. Selv om jeg fortsatt har en dyp interesse for økonomi og finans, er jeg nå fascinert av de teoretiske strukturene og den analytiske kraften som ligger i matematikken.

 Hvordan ser din forskerhverdag ut?

Jeg liker å starte arbeidsdagen tidlig, gjerne etter en løpetur i marka. Da er hodet forkusert. Som matematikkforsker  så går mye av dagen til å tenke ut nye løsninger for hvordan man kan løse abstrakte problemer. Mye av tiden bruker jeg foran en tavle der jeg tester ulike løsninger jeg har tenkt ut. Tiden blir også brukt i møter med samarbeidspartnere hvor vi diskuterer fremgang i prosjekter og drøfter mulige løsninger på utfordringer vi står ovenfor.

Selve skrivearbeidet for å produsere en artikkel om en ny løsning på et matematisk problem er periodevis ganske intenst, men det er en del variasjon i hvor ofte slike skriveperioder er. I tillegg er det også en del arbeid med å utvikle prosjektsøknader for å få finansiert forskningsarbeidet.

Min arbeidshverdag består også i en del reising. For å kunne delta i forskningsprosjekter i samarbeid med ledende internasjonale forskere og bidra i den internasjonale diskusjonen rundt mitt fagfelt er det viktig å ha hyppig kontakt med det internasjonale forskingsmiljøet. Jeg har en datter så de siste årene har jeg prøvd å reise noe mindre enn vanlig, men jeg merker viktigheten av internasjonal mobilitet av forskere for å sikre de beste forutsetningene for å kunne utføre mitt forskningesarbeid så bra som mulig.

Hvilke saker vil du jobbe for gjennom Akademiet for yngre forskere?

Jeg ønsker å jobbe med forskningsformidling, og gjerne mot unge. Jeg synes AYFs «Konkunransen Unge Forskere» er et strålende initiativ, og ønsker å engasjere og bidra  til å motivere unge forskerspirer til å delta i dette. Jeg er spesielt interessert i formidling relatert til matematikkfaget, som ofte kan fremstilles som noe uhåndgripelig og uforståelig om man ikke har studert det lenge. Jeg mener at de aller fleste forstår veldig mye matematikk, og at det finnes overaskende dype matematiske problemer som kan forklares på svært enkle måter og som viser hvor anvendelig matematikken er i veldig mange fagområder.

I tillegg er jeg interessert i forskningspolitiske problemstillinger rundt offentlig og privat forskningsfinansiering, og hvordan man kan lage enda sterkere insentiver for næringslivet til å bidra til forskning som med tiden kan brukes av næringslivet. Mye forskning er ikke anvendelig på kort sikt, men som historien har vist er forskning avgjørende for teknologiske fremskritt.