Nancy M. Amato

Nancy Amato
Född
Nancy Marie Amato

Nationalitet amerikansk
Alma mater

University of Illinois at Urbana-Champaign (PhD) University of California, Berkeley (MS) Stanford University (BS)
Känd för






Rörelseplanering Beräkningsbiologi Beräkningsgeometri Parallell beräkning Animation Distribuerad beräkning Parallella algoritmer Prestandamodellering och optimering
Utmärkelser

IEEE Fellow (2010) AAAI Fellow (2018) ACM Fellow (2015)
Vetenskaplig karriär
Fält Datavetenskap
institutioner
Texas A&M University University of Illinois i Urbana-Champaign
Avhandling   Backa tåg: ett sekelskiftes sorteringsproblem (1988)
Doktorand rådgivare Franco P. Preparata
Hemsida
cs .illinois .edu /katalog /profil /namato engineering .tamu .edu /cse /profiles /namato .html

Nancy Marie Amato är en amerikansk datavetare känd för sin forskning om de algoritmiska grunderna för rörelseplanering , beräkningsbiologi , beräkningsgeometri och parallell beräkning . Amato är Abel Bliss professor i teknik och chef för institutionen för datavetenskap vid University of Illinois i Urbana-Champaign . Amato är känd för sitt ledarskap när det gäller att bredda deltagandet i datoranvändning och är för närvarande medlem i styrkommittén för CRA-WP (tidigare känd som CRA-W), där hon har varit styrelseledamot sedan 2000. [ citat behövs ]

Utbildning

Amato fick både en kandidatexamen i nationalekonomi och en kandidatexamen i matematiska vetenskaper från Stanford University 1986. Hon fick en MS i datavetenskap från University of California, Berkeley 1988, med rådgivare Manuel Blum . 1995 doktorerade hon i datavetenskap från University of Illinois i Urbana-Champaign under rådgivare Franco P. Preparata för sin avhandling "Parallel Algorithms for Convex Hulls and Proximity Problems".

Karriär och forskning

Hon började på Institutionen för datavetenskap vid Texas A&M University som biträdande professor 1995. Hon befordrades till docent 2000, till professor 2004 och till Unocal-professor 2011.

I juli 2018 utsågs Amato till nästa chef för institutionen för datavetenskap vid University of Illinois i Urbana-Champaign, med start i januari 2019.

Amato har flera anmärkningsvärda resultat. Hennes uppsats om probabilistiska färdplansmetoder (PRM) är en av de viktigaste uppsatserna om PRM. Den beskriver den första PRM-varianten som inte använder enhetlig provtagning i robotens konfigurationsutrymme. Hon skrev en framgångsuppsats med en av sina elever som visar hur PRM-metoden kan tillämpas på proteinrörelser, och i synnerhet proteinveckning. Detta tillvägagångssätt har öppnat ett nytt forskningsområde inom beräkningsbiologi . Detta resultat öppnar upp en rik ny uppsättning tillämpningar för denna teknik inom beräkningsbiologi. En annan artikel som hon skrev med sina elever representerar ett stort framsteg genom att visa hur global energilandskapsstatistik, såsom relativa veckningshastigheter och populationskinetik, kan beräknas för proteiner från de ungefärliga landskapen beräknade med Amatos PRM-baserade metod. I en annan artikel introducerade hon och en student en ny teknik, ungefärlig konvex nedbrytning (ACD), för att dela upp en polyeder i ungefär konvexa bitar. Amato leder också STAPL- projektet tillsammans med sin man Lawrence Rauchwerger , som också är datavetare på fakulteten vid University of Illinois i Urbana-Champaign. [ citat behövs ] STAPL är ett parallellt C++-bibliotek.

Pris och ära

Hennes anmärkningsvärda utmärkelser inkluderar: