Parallel Programmering for Slutbrugere i Regneark

Regneark bruges i alle domæner inden for forskning og forretning. Deres brug rækker fra almindelig regnskab til sekvensering af aminosyrer. Det lader til at moderne regneark er en nemt forståelig metafor, som kan bruges af domæneeksperter uden IT-baggrund savel som af IT professionelle.
Det sker ofte at hele forretningsmodeller eller risikoanalyser modelleres i en enkel regneark. Modellerne er ofte meget komplekse, som medfører at beregningen af disse regneark tager meget langt tid. Det skyldes, at regnearkmetaforen oprindelig ikke er designet til at konstruere komplekse
modeller på effektiv vis; og at selve moderne regnearkprogrammer som Microsoft Excel ikke udnytter moderne computerhardware med flere regnekerner per processor, som findes i almindelige bærbare computere eller mobiltelefoner. Forskningsprojektet drejer sig om at finde ud af, hvordan man systematisk kan bruge metoder fra klassisk forskning inden for programmeringssprog og funktionel parallel programmering til at give regnearkudviklere muligheden for at udnytte hele deres computerressourcer, uden at de yderlig skal lære at håndtere de komplikationer der opstår ved det. Projektets hovedfokus ligger på at fordele ensformige beregninger af større datamængder, som de opstår i typiske regnearkmodeller, til de tilgængelige regnekerner. Idéen er at parallelisering af beregninger kan enten styres af en ekspertbruger, eller at et moderne regnearkprogram selv
opdager store tabeller med ensformige beregninger og foretager denne optimering uden at brugeren behøver at være klar over det.
Vi arbejder med en prototypisk regnearkprogram, oprindelig udviklet at min vejleder Peter Sestoft, som tillader brugeren til at udvide regnearken med nye funktioner. Det gør at regnearkprogrammet
faktisk bliver til et programmeringssprog som kan bruges af eksperter til nemt at formulere mere komplekse algoritmer. Vores arbejde omfatter bl.a. design af nye datastrukturer som er i stand til at undgå typiske flaskehalse i regneark; strukturanalyse af regneark og kildekodetransformation; og typeanalyse af regneark for at optimere repræsentation i hukommelsen. For at kunne udforske optimeringer som disse, er det nødvendigt at have overblik over typiske brugsscenarier af regneark. Vores samarbejdspartner på den Kinesiske Videnskabsakademi i Beijing, Kina, har stor erfaring med analyse af regneark fra forretningsverden. Her kan vi med fordel kombinere vores forskellige ekspertiser.