Fakultät für Informatik

Univ.-Prof. Dipl.-Ing. Dr. Wilfried Gansterer, M.Sc.

Forschungsgruppe Theory and Applications of Algorithms

Leiter

Währinger Straße 29
1090 Wien
Raum : 6.33

T: +43-1-4277-78311

M: +43-664-8175870

wilfried.gansterer(at)univie.ac.at

u:cris-Portal

Lehrveranstaltungen

Publikationen

On Combining Pipelining and s-Step Concepts in Preconditioned Conjugate Gradient Methods. / Mayer, Viktoria ; Gansterer, Wilfried (Korresp. Autor*in).
SIAM Conference on Parallel Processing for Scientific Computing (PP26). 2026.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1137/1.9781611979022.6

Numerical Properties and Scalability of s-Step Preconditioned Conjugate Gradient Methods. / Mayer, Viktoria ; Gansterer, Wilfried (Korresp. Autor*in).
16th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Heterogeneous Systems (ScalAH25). 2025.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1145/3731599.3767542

Weisfeiler and Leman Go Gambling: Why Expressive Lottery Tickets Win. / Kummer, Lorenz; Moustafa, Samir; Ehrlich, Anatol et al.
Proceedings of the 42nd International Conference on Machine Learning. Band 267 PMLR, 2025. S. 31991-32010 (Proceedings of Machine Learning Research (PMLR), Band 267).

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

Visualization and Analysis of the Loss Landscape in Graph Neural Networks. / Moustafa, Samir (Korresp. Autor*in); Kummer, Lorenz; Fetzel, Simon et al.
Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions: 34th International Conference on Artificial Neural Networks, Kaunas, Lithuania, September 9–12, 2025, Proceedings, Part V. Springer Cham, 2025. S. 69-81 (Lecture Notes in Computer Science).

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1007/978-3-032-04552-2_9

Accelerating Graph Neural Networks Using a Novel Computation-Friendly Matrix Compression Format. / Alves, Joao ; Moustafa, Samir ; Benkner, Siegfried et al.
IEEE International Parallel and Distributed Processing Symposium (IPDPS) 2025. 2025.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1109/IPDPS64566.2025.00100

Adaptive s-step GMRES with randomized and truncated low-synchronization orthogonalization. / Ernstbrunner, Robert ; Gansterer, Wilfried (Korresp. Autor*in).
39th IEEE International Parallel Distributed Processing Symposium. 2025.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1109/IPDPS64566.2025.00096

Efficient Mixed Precision Quantization in Graph Neural Networks. / Moustafa, Samir ; Kriege, Nils M.; Gansterer, Wilfried (Korresp. Autor*in).
41st IEEE International Conference on Data Engineering. 2025. S. 4038-4052.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1109/ICDE65448.2025.00301

On the Relationship Between Robustness and Expressivity of Graph Neural Networks. / Kummer, Lorenz; Gansterer, Wilfried ; Kriege, Nils Morten.
Proceedings of the 28th International Conference on Artificial Intelligence and Statistics. Band 258 PMLR, 2025. S. 1243-1251 (Proceedings of Machine Learning Research (PMLR)).

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

Crossfire: An Elastic Defense Framework for Graph Neural Networks Under Bit Flip Attacks. / Kummer, Lorenz; Moustafa, Samir ; Gansterer, Wilfried et al.
Proceedings of the 39th Annual AAAI Conference on Artificial Intelligence. AAAI, 2025. S. 17990-17998 (Proceedings of the ... National Conference on Artificial Intelligence; Nr. 17, Band 39).

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1609/aaai.v39i17.33979

Attacking Graph Neural Networks with Bit Flips: Weisfeiler and Leman Go Indifferent. / Kummer, Lorenz; Moustafa, Samir ; Schrittwieser, Sebastian et al.
Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining: KDD 2024. New York: Association for Computing Machinery (ACM), 2024. S. 1428-1439.

Veröffentlichungen: Beitrag in Buch › Beitrag in Konferenzband › Peer Reviewed

doi.org/10.1145/3637528.3671890

Projekte

Algorithmic Data Science for Computational Drug Discovery

Kriege, N. M. (Projektleiter*in) & Gansterer, W. (Co-Projektleiter*in)

1/05/20 → 30/11/28

Projekt: Forschungsförderung

REPEAL: Resilience versus Performance in Numerical Linear Algebra

Gansterer, W. (Projektleiter*in) & Frolik-Steffan, U. (Projektadministrator*in)

1/03/16 → 31/08/20

Projekt: Forschungsförderung

Verteiltes Rechnen

Gansterer, W. (Projektleiter*in)

6/12/07 → 1/06/14

Projekt: Forschungsförderung

Vorträge

Algorithm-based Resilience in Scalable Conjugate Gradient Methods

Gansterer, W. (Vortragende*r) & Mayer, V. (Autor*in)

17 Sept. 2025

Aktivität: Vorträge › Vortrag › Science to Science

A Generic Strategy for Node-Failure Resilience for Certain Iterative Linear Algebra Methods

Pachajoa Mejia, C. A. (Vortragende*r), Ernstbrunner, R. (Autor*in) & Gansterer, W. (Autor*in)

11 Nov. 2020

Aktivität: Vorträge › Vortrag › Science to Science

Algorithm-based checkpoint-recovery for the conjugate gradient method

Pachajoa Mejia, C. A. (Vortragende*r), Pacher, C. (Autor*in), Levonyak, M. (Autor*in) & Gansterer, W. (Autor*in)

18 Aug. 2020

Aktivität: Vorträge › Vortrag › Science to Science

Node-Failure-Resistant Preconditioned Conjugate Gradient Method

Pachajoa Mejia, C. A. (Vortragende*r), Levonyak, M. (Autor*in), Pacher, C. (Autor*in), Gansterer, W. (Autor*in) & Träff, J. L. (Autor*in)

19 Feb. 2020 → 21 Feb. 2020

Aktivität: Vorträge › Vortrag › Science to Science

Resilience for Large-Scale Iterative Linear Solvers

Gansterer, W. (Invited speaker), Levonyak, M. (Autor*in), Pachajoa Mejia, C. A. (Autor*in) & Pacher, C. (Autor*in)

14 Feb. 2020

Aktivität: Vorträge › Vortrag › Science to Science

Scalable Resilience Against Node Failures for Communication-Hiding Preconditioned Conjugate Gradient and Conjugate Residual Methods

Levonyak, M. (Vortragende*r), Pacher, C. (Autor*in) & Gansterer, W. (Autor*in)

14 Feb. 2020

Aktivität: Vorträge › Vortrag › Science to Science

Node-failure-resistant preconditioned conjugate gradient method without replacement nodes

Pachajoa Mejia, C. A. (Vortragende*r), Pacher, C. (Autor*in) & Gansterer, W. (Autor*in)

22 Nov. 2019

Aktivität: Vorträge › Vortrag › Science to Science

Extending a Preconditioned Conjugate Gradient Method Endowed with Resilience to Multiple Node Failures

Pachajoa Mejia, C. A. (Vortragende*r), Levonyak, M. (Autor*in), Gansterer, W. (Autor*in) & Träff, J. L. (Autor*in)

30 Okt. 2019

Aktivität: Vorträge › Vortrag › Science to Science

How to Make the Preconditioned Conjugate Gradient Method Resilient Against Multiple Node Failures

Pachajoa, C. (Autor*in), Levonyak, M. (Vortragende*r), Gansterer, W. (Autor*in) & Träff, J. L. (Autor*in)

7 Aug. 2019

Aktivität: Vorträge › Vortrag › Science to Science

Comparing Randomized and Deterministic Approaches for Computing Low-rank Approximations

Mayer, V. (Vortragende*r), Pachajoa, C. (Autor*in) & Gansterer, W. (Autor*in)

27 Feb. 2019

Aktivität: Vorträge › Vortrag › Science to Science

Fast Recovery from Node Failures for the Parallel Preconditioned Conjugate Gradient Method

Levonyak, M. (Vortragende*r), Pachajoa, C. (Autor*in) & Gansterer, W. (Autor*in)

27 Feb. 2019

Aktivität: Vorträge › Vortrag › Science to Science