Stefan Güttel

Güttel est né à Dresde et a fait ses études à l'Université des mines et de technologie de Freiberg, d'où il a obtenu son M.Sc. en mathématiques appliquées (2006) et son doctorat en Mathématiques appliquées (2010). Sa thèse de doctorat, intitulée Rational Krylov Methods for Operator Functions, a été dirigée par Michael Eiermann[1]. Il a travaillé comme chercheur postdoctoral à l'université de Genève (2010-2011) et à l'université d'Oxford (2011-2012). En 2012, il a été nommé maître de conférences en mathématiques à l'université de Manchester, puis promu maître de conférences et lecteur. En 2021, il est promu professeur de mathématiques appliquées[2].

Güttel est surtout connu pour ses travaux sur les algorithmes numériques pour les problèmes à grande échelle posés par les équations différentielles et en science des données, en particulier les méthodes du sous-espace de Krylov. Il a travaillé avec des sociétés telles que Intel, Schlumberger et Arup.

Depuis 2018, Güttel est membre de l'Institut Alan Turing (en)[3], l'institut national du Royaume-Uni pour la science des données et l'intelligence artificielle. En 2018, il a reçu un prix d'excellence en enseignement de l'Université de Manchester. En 2021, il a reçu le prix James-Wilkinson d'analyse numérique et de calcul scientifique de la Society for Industrial and Applied Mathematics (SIAM) pour « ses contributions à l'analyse, à la mise en œuvre et à l'application des méthodes rationnelles et par blocs de Krylov » (laudatio)[4], qui sont devenues populaires pour la solution numérique efficace de grands problèmes de valeurs propres, d'équations matricielles et de réduction d'ordre de modèle.

Güttel a été secrétaire et trésorier élu de la section Royaume-Uni et République d'Irlande du SIAM (2016-2018) et est membre du comité des membres du SIAM (depuis 2020). Il a siégé aux comités de rédaction du SIAM Journal on Scientific Computing (2015-2021) et des Electronic Transactions on Numerical Analysis (depuis 2020)[2].

• avec M. Afanasjew, M. Eiermann, O. G. Ernst: Implementation of a restarted Krylov subspace method for the evaluation of matrix functions, Linear Algebra and its Applications, vol 429, 2008, p. 2293–2314
• avec P. Gonnet, L. N. Trefethen: Robust Padé approximation via SVD, SIAM Review, vol 55, 2013, p. 101–117
• Rational Krylov approximation of matrix functions: Numerical methods and optimal pole selection, GAMM Mitteilungen, vol 36, 2013, p. 8–31
• avec M. J. Gander: PARAEXP: A parallel integrator for linear initial-value problems, SIAM Journal on Scientific Computing, vol 35, 2013, p. C123–C142
• avec R. Van Beeumen, K. Meerbergen, W. Michels: NLEIGS: A class of robust fully rational Krylov methods for nonlinear eigenvalue problems, SIAM Journal on Scientific Computing, vol 36, 2014, p. A2842–A2864
• avec F. Tisseur: The nonlinear eigenvalue problem, Acta Numerica, vol 26, 2017, p. 1–94.

• Ressources relatives à la recherche :
  • Google Scholar
  • (en) Mathematics Genealogy Project
  • (en) ORCID
  • (mul) Scopus
• Notices d'autorité :

  • VIAF
  • IdRef
  • GND
• Page personnelle de Stefan Güttel