Sindri Magnússon Universitetslektor, docent

Jag erhöll en kandidatexamen (B.Sc.) i matematik från University of Iceland, Reykjavík, Island, 2011, en masterexamen (M.Sc.) i tillämpad matematik (optimering och systemteori) från Kungliga Tekniska högskolan (KTH), Stockholm, Sverige, 2013, samt en doktorsexamen (Ph.D.) i elektroteknik från samma institution 2017. Jag var postdoktoral forskare vid Harvard University 2018–2019 och gästforskare som doktorand vid Harvard under nio månader 2015–2016.

Min forskning ligger brett inom artificiell intelligens och maskininlärning, med särskilt fokus på datadrivna beslut och operationer i komplexa system såsom cyber-fysiska och socio-tekniska nätverk. Detta omfattar utveckling av metoder och teori för inlärning, styrning och optimering som möjliggör tillförlitlig och effektiv drift av storskaliga sammankopplade system. Inom detta bredare sammanhang studerar jag hur flera agenter kan lära sig och anpassa sig i samarbetsmiljöer, och utvecklar algoritmer för multi-agent-inlärning, distribuerat beslutsfattande och förstärkningsinlärning. Med denna grund har min forskning på senare tid även utvidgats till rättvisa och bias i AI-beslutsfattande, där jag undersöker hur algoritmiska val oavsiktligt kan missgynna vissa grupper och hur principbaserade metoder kan utformas för att motverka dessa effekter. Genom att kombinera inlärningsteori med systemtillämpningar strävar jag efter att utveckla AI som är skalbar, effektiv och socialt ansvarstagande.

Jag har omfattande erfarenhet som projektledare, bland annat som huvudansvarig forskare (Principal Investigator) för större forskningsprojekt såsom Vetenskapsrådets (VR) Starting Grant Resource Constrained Machine Learning in Complex Networks (4 MSEK), VR-projektet Federated Reinforcement Learning: Algorithms and Theoretical Foundations (4 MSEK), samt Vinnova-projektet Smart Converters for Climate-neutral Society: Artificial Intelligence-based Control and Coordination (7 MSEK). Som handledare erhöll jag Best Student Paper Award vid IEEE ICASSP 2019. För närvarande är jag Associate Editor för IEEE/ACM Transactions on Networking och har varit medlem i programkommittén för flera ledande konferenser inom reglerteknik och maskininlärning, inklusive IEEE INFOCOM.

Jag har författat över 70 refereegranskade publikationer, inklusive arbete publicerat i ledande AI- och maskininlärningsforum såsom NeurIPS, ICML, AAAI och Transactions on Machine Learning Research, liksom i välrenommerade tidskrifter och konferenser inom signaler, system och kommunikation, samt inom AI-drivna operationer i distribuerade system och cyber-fysiska system, inklusive energisystem och Internet of Things (IoT).

Handledning är en central del av mitt akademiska arbete, både som ett ansvar och som en inspirationskälla. Jag har handlett fler än 30 masteruppsatser inom datavetenskap, artificiell intelligens och närliggande områden. På doktorandnivå har jag haft förmånen att handleda flera mycket talangfulla doktorander, som huvudhandledare för Ali Beikmohammadi, Shubham Vaishnav, Mohsen Amiri, Guilherme Dinis Junior och Alireza Heshmati, samt som bihandledare för Lida Huang (examineras 2025), Zahra Kharazian, Sayeh Sobhani och Alfreds Lapkovskis. Deras projekt omfattar områden som multi-agent-inlärning, federerad inlärning, prediktivt underhåll, förstärkningsinlärning samt rättvisa och bias i AI-beslutsfattande, med tillämpningar i socio-teknologiska och cyber-fysiska system. Tillsammans bidrar dessa arbeten till att utveckla både de teoretiska grunderna för AI och dess praktiska tillämpningar i komplexa, verkliga domäner.