Juan Meza (mathématicien)

From Wikipedia, the free encyclopedia

Formation
Université Rice (doctorat) ( - )Voir et modifier les données sur Wikidata
A travaillé pour
University of California Merced School of Natural Sciences (d) ( - )
Laboratoire national Lawrence-Berkeley ( - )Voir et modifier les données sur Wikidata
Juan Meza
une illustration sous licence libre serait bienvenue
Biographie
Formation
Université Rice (doctorat) ( - )Voir et modifier les données sur Wikidata
Activités
Autres informations
A travaillé pour
University of California Merced School of Natural Sciences (d) ( - )
Laboratoire national Lawrence-Berkeley ( - )Voir et modifier les données sur Wikidata
Membre de
Directeur de thèse
William Woodbury Symes (d)Voir et modifier les données sur Wikidata
Site web
Distinctions

Juan Meza est un mathématicien américain, professeur de mathématiques appliquées à l'Université de Californie à Merced.

Juan Meza obtient son doctorat à l'Université Rice en 1986 avec une thèse intitulée « Conjugate Residual Methods for Almost Symmetric Linear Systems », sous la supervision de William Woodbury Symes[1].

Carrière

Juan Meza est doyen de la School of Natural Sciences à l'Université de Californie à Merced. Il a dirigé le High Performance Computing Research Department au Lawrence Berkeley National Laboratory. Il dirige des explorations d’avant-garde en sciences informatiques, mathématiques numériques et technologies futures. Meza est remarqué pour son rôle modèle et son activité pour la promotion de personnes issues de groupes sous-représentés en sciences mathématiques. Les recherches de Meza se focalisent sur l'optimisation non-linéaire avec un accent sur les méthodes de calcul en parallèle. Il travaille également sur diverses applications scientifiques dont des méthodes scalables pour les nanosciences, des problèmes de conformation moléculaire, la forme optimale pour le dépôt de vapeurs chimiques et la modélisation de semi-conducteurs[2].

Prix et distinctions

Liens externes

Références

Related Articles

Wikiwand AI