Norsk Regnesentrals pris for beste masteroppgave innen matematikk og IKT består av et diplom og 40 000 kr. Prisen deles ut årlig uavhengig av hverandre på Universitetet i Oslo og NTNU.

Prisen var første gang utdelt for studieåret 2008–09.
Kandidater til prisen nomineres av veiledere.

Matematiske fag

Vinner av NR-prisen 2019/20 Henrik Syversveen-Lie.

Oppgaven beskriver en hierarkisk statistisk modell for romlige retningsdata som for eksempel vindfelt eller havstrømmer. Modellen har en diskret latent klasse som muliggjør romlig segmentering av slike retningsdata. Han utvikler en ny metode for parameterestimering innen dette rammeverket. Gjennom simuleringsstudier viser han at den nye metoden har bedre statistiske egenskaper enn et par andre forslag fra litteraturen. Han gjennomfører videre et inngående anvendt studie av metodikken på satellittdata av havstrømmer og fra numeriske havmodeller. Arbeidet ble publisert i tidsskriftet Spatial Statistics, i 2021.

Lie har vist en eksepsjonell innsikt i statistiske modellering og metodikk. Han er spesielt dyktig til implementere algoritmer på datamaskin, og han kan raskt levere gode løsninger på et matematisk problem, som så utvikles videre. Han skriver lett og svært presist, og har gode evner når det gjelder fremstilling og presentasjon av vitenskapelige arbeider.

Syversveen-Lie har svært gode karakterer fra studiet.

Juryen bestod av Brynjulf Owren og Øyvind Bakke fra IMF.

IKT

Prisen tildeles Amund Tenstad for masteroppgaven "Deep Evolvable-Substrate HyperNEAT: Extending ES-HyperNEAT with Multiple Substrates in an Evolving Topology".
Veileder var Pauline Haddow.

HyperNEAT er en state-of-the-art algoritme for utvikling av storskala nevrale nett for kunstig intelligens ved hjelp av evolusjonære beregninger. Dypere nevrale nett kan gi høyere nøyaktighet i beslutninger, men bare inntil et visst punkt – deretter vil økt dybde gi overtilpasning. En sentral utfordring er derfor å finne optimal dybde og layout for det nevrale nettet. Tenstads masteroppgave har utviklet en ny algoritme for evolusjonær utvikling av nevrale nett, DES-HyperNEAT, som kombinerer positive egenskaper ved flere eksisterende algoritmer. Algoritmen har blitt testet på tre ulike datasett, med lovende resultater i sammenligning med konkurrerende algoritmer.

Tenstad har utført en oppgave av meget høy vanskegrad, hvor han har måttet sette seg inn i mye teori og en rekke kompliserte eksisterende teknikker, hvorpå han har prøvd å kombinere disse på en måte som beholdt flest mulig fordeler og unngikk mest mulig av ulempene. Har har vist stor arbeidsinnsats, teknisk dyktighet og kreativitet. Med basis i masteroppgaven fikk kandidat og hovedveileder publisert en artikkel i konferansen IEEE CEC 2021, som er den internasjonale flaggskipkonferansen innen feltet «evolutionary computing».

Juryen bestod av Anne C. Elster og Guttorm Sindre fra IDI.

Matematiske fag

Vinner av NR-prisen 2018/19 Silius Mortensønn Vandeskog.

Vinneren av årets NR-pris, Silius Mortensønn Vandeskog, ferdigstilte sin mastergrad i juni 2019 ved NTNU, studieprogram for Fysikk og matematikk med spesialisering innen Industriell matematikk. Han er nå tilsatt som doktorstipendiat ved Institutt for matematiske fag, NTNU.

Masterprosjektet til Vandeskog gikk ut på modellere fordelingen av den døgnlige variasjonsbredden for temperatur der han benyttet femparameter-lambdafordelingen (FPLF). Både lokal og regional modelltilpasning av ble utført.

Lokal modelltilpasning blir utført ved hjelp av kvantiltilpasningsmetoden, som estimerer parametere ved minimere avstanden mellom to kvantilfunksjoner. For å modellere variasjonsbredden i temperatur for beliggenheter uten tilgjengelig temperaturdata ble det brukt kvantilregresjon med forklaringsvariable. En ny metode for romlig interpolasjon av parametriske fordelinger ble utviklet. Den nye metoden kombinerer kvantilregresjon med kvantiltilpasningsmetoden. Asymptotiske betingelser for konsistente parameterestimatorer ble angitt for disse metodene. Observasjoner ble hentet fra 55 værstasjoner. Resultatene fra den utviklede modellen for variasjonsbredden til temperatur er svært lovende.

Dette er en komplett masteroppgave i statistikk innenfor industriell matematikk: Oppgaven er motivert fra et reelt behov. Modellene og metodene brukes for et ekte datasett, og samsvaret mellom data og modell er grundig vurdert. Oppgaven ble utført i samarbeid med Norsk Regnesentral, og veileder der var Thordis Thorarinsdottir.

Vandeskog har også utmerkede karakterer fra sitt studium, blant 36 karaktergivende emner har han fått tildelt karakteren A i 30 av dem. Vandeskog er en verdig vinner av NR-prisen 2018-2019. Trondheim, 23. november, 2021.

Juryen bestod av Brynjulf Owren og Sara Martino Jurymedlem fra IMF.

IKT

Prisen tildeles Y Nhu Camilla Tran for masteroppgaven "Developing a web-based gamified application to increase physical activity throughout monetary incentives".
Hovedveileder var Michail Giannakos, medveileder var Ilias Pappas.

For lite fysisk aktivitet er en viktig årsak til helseproblemer. Mange begynner å trene, for eksempel ved nyttårsforsetter, men mister snart motivasjonen og faller tilbake til en inaktiv livsstil. Spillifiserte treningsapper har vært forsøkt for å hjelpe til å opprettholde motivasjon over lenger tid. Trans masteroppgave har utviklet en prototype for å støtte langsiktig motivasjon gjennom sosiale grupper og pengemessige incentiver og evaluert denne med 50 testbrukere i 2 måneder via loggdata, spørreundersøkelser og intervjuer, med lovende resultater. Masteroppgaven resulterte ikke bare i en lovende prototype, men også i empirisk funderte designprinsipper for spillifiserte treningsapper, som kan være til hjelp for andre som skal utvikle eller forske på slike i fremtiden.

Tran har gjort et omfattende arbeid, hvor hun har samarbeidet med et oppstartfirma fra Entreprenørskolen (da Goalkeeper, senere skiftet navn til Stready) og har dekket hele utviklingsløpet, fra utvikling av et nytt konsept, via krav, design og koding, til empirisk utprøvning og dataanalyse. Hun viser stor kreativitet, teknisk dyktighet, og vitenskapelig soliditet, og arbeidet har senere ledet til et paper publisert i den prestisjetunge internasjonale konferansen IFIP INTERACT 2021.

Juryen bestod av Anne C. Elster og Guttorm Sindre fra IDI.

Av praktiske grunner ble prisen for 2017–18 delt mellom én kandidat innen IKT og én kandidat innen matematiske fag.

Matematiske fag

Prisen tildeles Yngvild Hamre for masteroppgaven "Preserving projection properties when regular two-level designs are blocked".

Veileder var John Tyssedal.

I regulære to-nivå-forsøksplaner er det ikke alltid mulig å gjennomføre forsøkene fullstendig randomisert. Det vanlige er da å omdefinere én eller flere høyere-ordens samspill mellom faktorer til å være blokkfaktorer, slik at forsøkene innbyrdes i hver kombinasjon av nivå av blokkfaktorene er randomisert. Hamre viser at andre måter å blokkdele en forsøksplan på i større grad kan bevare projeksjonsegenskapene til planen – hvor god planen er for delmengder av faktorene som inngår i forsøket.

Hamre viser stor kreativitet og kombinasjonsevne, og har utført arbeidet med stor energi. Arbeidet kan få stor betydning for hvordan regulære to-nivå-forsøksplaner vil bli blokkdelt i framtida. Resultatene er klart publiseringsverdige.

Juryen bestod av Brynjulf Owren og Øyvind Bakke fra IMF.

IKT

Prisen tildeles Ulrich Johan Isachsen for masteroppgaven "Real-time point cloud registration from RGB-D camera mounted on a robot arm using GPU acceleration".
Hovedveileder var Theoharis Theoharis, og seniorforsker Ekrem Misimi (SINTEF) var medveileder.

Registrering dreier seg om problemet med å se på to 3D-objekter og finne den geometriske transformasjonen som får dem til å stemme best mulig overens – denne transformasjonen er vanligvis rigid, og består av rotasjoner og translasjoner. Registrering er et nøkkelsteg i mange typer operasjoner innen visuell beregning, slik som gjenkjennelse, rekonstruksjon og gjenfinning av objekter. Det er beregningsmessig krevende og har dermed vært vanskelig å utføre i sanntid med tilstrekkelig grad av nøyaktighet. Isachsens masteroppgave lyktes med å implementere registrering på GPU, med en metode som kjører i sanntid uten tap av nøyaktighet i registreringen.

Isachsen viser stor kreativitet, teoretisk innsikt og teknisk dyktighet. Algoritmene han har utviklet krever avansert bruk av matematikk, og han har utført et omfattende arbeid med stor grad av selvstendighet. Masteroppgaven har også ført til en artikkel i det prestisjetunge internasjonale tidsskriftet Computers and Electronics in Agriculture, med Isachsen som førsteforfatter og veiledere som medforfattere.

Juryen bestod av Anne C. Elster og Guttorm Sindre fra IDI.

Av praktiske grunner ble prisen for 2016–17 delt mellom én kandidat innen IKT og én kandidat innen matematiske fag.

Matematiske fag

Prisen tildeles Eirik Skrettingland for masteroppgaven "Convolutions for localization operators".

Veileder var Franz Luef.

Skrettingland gir først en matematisk presis framstilling av fysikeren Werners teori fra 1984 om kvanteharmonisk analyse, der flere resultater fra harmonisk analyse ble utvidet så de kunne anvendes i kvantemekanikk. Videre avdekker oppgaven nye sammenhenger mellom kvanteharmonisk analyse og tid-frekvensanalyse. Spesielt gir Skrettingland en ny tilnærmelse til teorien om lokaliseringsoperatorer, som er en klasse operatorer som opptrer naturlig i signalanalyse.

Skrettingland viser stor teknisk ferdighet og har i betydelig grad bidratt til teorien for lokaliseringsoperatorer i tid-frekvensanalyse. Arbeidet er publisert i to tidsskrifter.

Juryen bestod av Øyvind Bakke og Brynjulf Owren fra IMF.

IKT

Prisen tildeles Jonas André Dahlseth for masteroppgaven “Fitogotchi - An Exergame Designed to Change People's Everyday Physical Activity Habits”.

Jonas utførte sitt arbeid med professor Alf Inge Wang som hovedveileder.

Masteroppgaven var fremragende både i omfang, ambisjonsnivå og utførelse. Temaet er såkalte ”exergames” (exercise games) som skal motivere brukerne til fysisk aktivitet, på norsk gjerne kalt treningsspill. Oppgaven gjør først en meget god analyse av eksisterende spill, og tilgjengelig vitenskapelig litteratur med teori om hva som er suksessfaktorer for slike spill. Den gir også en grundig gjennomgang av mulige teknologier som slike spill kan baseres på. Deretter utføres hoveddelen av oppgaven som såkalt designforskning hvor kandidaten foreslår mulige ideer for nye treningsspill og velger den mest lovende for utvikling som en prototype. Etter utvikling av prototypen ble denne testet av forsøkspersoner både i Norge og Sør-Korea, hvor kandidaten triangulerte data fra ulike kilder: intervju / spørreundersøkelse mot deltakerne, samt innsamling av aktivitetsdata under forsøkspersonenes bruk av spillet. Oppgaven har en presis redegjørelse for designvalg underveis. Den er også påpasselig med etiske problemstillinger rundt datainnsamlingen, og gir en balansert evaluering når det gjelder konklusjonenes gyldighet og faktorer som kan ha påvirket denne. Oppgavens arbeidsomfang er også svært imponerende for bare en enkelt masterstudent.

Evalueringen resulterte i flere interessante funn: Forsøkspersonene syntes spillet var morsomt og det bidro til å øke deres fysiske aktivitet. Samtidig avtok denne effekten over tid, som indikerer et problem med å opprettholde entusiasme for et treningsspill når nyhetsverdien er borte. Funnene i masteroppgaven vil være av interesse både for forskere innen exergames og for spillindustri med ambisjoner om å utvikle slike spill, og flere av ideene i oppgaven har stort potensial for videreutvikling.

Jonas André Dahlseth er nå konsulent i Bouvet i Trondheim.

Juryen bestod av Øyvind Bakke (IMF), Anne C. Elster (IDI) og Guttorm Sindre (IDI).

Av praktiske grunner ble prisen for 2015–16 delt mellom én kandidat innen IKT og én kandidat innen matematiske fag.

Matematiske fag

Prisen tildeles Sondre Galtung for masteroppgaven "A convergent Crank–Nicholson Galerkin scheme for the Benjamin–Ono equation".

Veileder var Helge Holden. Temaet for Galtungs oppgave er Benjamin–Ono-likningen. Dette er en partiell differensiallikning som beskriver éndimensjonale indre bølger på dypt vann. En førsteordens metode var kjent fra før, og Galtung viser at en andreordens metode for den klassiske Korteweg– de Vries-likningen, som beskriver overflatebølger på grunt vann, også konvergerer for Benjamin–Ono-likningen.

Galtung har vist stor teknisk ferdighet og vilje til å sette seg inn i komplisert stoff. Han har vist en uvanlig matematisk modenhet og har jobbet selvstendig. Arbeidet er publisert.

Juryen bestod av Brynjulf Owren og Øyvind Bakke fra IMF.

IKT

Prisen tildeles Benjamin Bjørnseth for oppgaven “Enabling Research on Energy-Efficient System Software Using the SHMAC Infrastructure”.

Utdeling

NRs assisterende direktør André Teigland overrakte prisen ved IMEs velferdsarrangement 9. mars 2016. 

Four master theses were nominated for the 2015 prize. They were all excellent, and this made the task difficult for the jury. However, one of the theses were significantly broader than the others and spanned a number of distinct research fields. In particular, the thesis covered a broad range of topics within computer science and electronics including synthesis for Application Specific Integrated Circuits (ASICs) and Field Programmable Gate Arrays (FPGAs), digital design, computer architecture and operating systems. 

The thesis that will receive the 2015 award makes two main contributions. First, it presents an energy estimation framework that enables creating energy consumption models for computing systems from an implementation in a hardware description language. In addition, the thesis presents an FPGA implementation of this framework that enables online estimation of the energy consumption of an ASIC realization with no execution time overhead. Second, the thesis enables multi-core support for the SHMAC computing system research infrastructure in the experimental Barrelfish operating system. A paper describing the energy estimation framework will be presented at the renowned conference for Design Automation and Test in Europe on the 16th of March.

The jury has therefore unanimously decided to award the Norwegian Computing Center prize for the best master thesis within Computer Science and Mathematics to Benjamin Bjørnseth for the thesis “Enabling Research on Energy-Efficient System Software Using the SHMAC Infrastructure”.