Henrik Hult är född i Stockholm 1975, avlade studentexamen vid Åsö Gymnasium 1994, blev civilingenjör i Teknisk Fysik vid KTH 2000 och teknologie doktor i Matematisk Statistik vid KTH 2003. Han har tillbringat ett år som postdoktor vid Köpenhamns Universitet 2004, 1 ½ år som postdoktor vid Cornell University 2005-06, och två år som Assistant Professor vid Brown University 2006-08. Sedan juli 2008 är han lektor vid avdelningen för Matematisk Statistik, KTH.
Hult beskriver sin forskning så här:
Min forskning syftar till att bestämma sannolikheten för extrema händelser i stokastiska system, samt att beskriva hur dessa händelser troligast uppkommer. Som exempel kan nämnas sannolikheten att ett datanätverk överbelastas av inkommande trafik, sannolikheten för stora försäkringsskador som ruinerar ett försäkringsbolag eller sannolikheten för extrema kursrörelser på en finansiell marknad. Då dessa sannolikheter är svåra att beräkna analytiskt används i huvudsak asymptotiska approximationer eller Monte Carlo simulering.
I båda fallen är det väsentligt att beskriva det mest sannolika sättet på vilket den extrema händelsen uppkommer. Till exempel, är det troligast att det är många små bidrag som konspirerar till att orsaka händelsen eller är det troligast att enskilda extrema chocker orsakar händelsen? Vi har visat att i system med tjocksvansade fördelningar är det ofta troligast att en stor chock (t.ex. en stor datafil, en katastrofskada, eller en kraftig prisrörelse) är grundorsaken till extrema händelser. Vi beskriver också hur chocken fortplantar sig i systemet för att orsaka händelsen. Resultaten formuleras inom teorin för stora avvikelser.
Via stödet från Göran Gustafssons Stiftelse kommer vi att studera Monte Carlo-simulering som beräkningsmetod av extrema händelser. Då simuleras systemet många gånger och man beräknar frekvensen för händelsen, vilket ger en skattning av sannolikheten. Ett problem är att det kan behövas ett mycket stort antal simuleringar för noggrann beräkning av sannolikheten, och beräkningstiden kan bli så lång att algoritmen blir obrukbar. För att snabba upp beräkningstiden utnyttjar man specifika egenskaper hos systemet för att styra simuleringarna till de områden som är relevanta för händelsen.
Styrningen av simuleringarna baseras på en dynamisk beskrivning av det mest sannolika sättet händelsen inträffar. Asymptotisk analys i form av stora avvikelser för det stokastiska systemet och för de empiriska mått som resulterar från simuleringen karaktäriserar den information om systemet som behövs för att konstruera effektiva algoritmer. Min forskning syftar till att ta fram generella verktyg för hur man konstruerar och analyserar effektiva simuleringsalgoritmer. Teknikerna är användbara i en mängd tillämpningar.