该系研究现代算法的广泛理论和实践方面。我们设计了新的算法和算法技术，分析了它们的效率和解决方案的质量，开发了可证明有效且正确的软件，并将我们的程序打包到软件库中。我们方法的优势在于，我们统一而不是孤立地考虑这些方面。
转到D1算法和复杂性
感知计算，尤其是计算机视觉，在改变我们与计算机交互的方式以及机器（如机器人）感知世界的方式方面具有巨大潜力。在过去三十年里，计算机视觉取得了重大进展。如今，可以将图像信息用于质量控制和特定领域的问题，例如人脸识别、恢复CAD模型以用于定义明确的对象和基本视觉监视。然而，感知和视觉算法的鲁棒性是一个臭名昭著的问题，也是工业应用的主要瓶颈之一。与此同时，毫无疑问，在未来几十年内，将开发出小型且廉价的传感器，并将其嵌入到许多设备中。我们的假设是，多个特征和传感器的集成有助于在现实复杂环境中保持鲁棒性。
转到D2计算机视觉和机器学习
互联网是一个巨大成功的人工制品，从根本上改变了社会。正如我的研究所强调的那样，在成为如此成功的基础设施的过程中，互联网的使用以及互联网已经并将继续发生变化。
转到D3 Internet Architecture
在过去的几十年里，计算机图形学逐渐成为计算机科学的核心学科。数字媒体、社交网络、数字电视、数字摄影等新兴技术以及新型传感设备、电信和远程呈现、虚拟和增强现实的快速发展进一步显示了其潜力，并在未来几年提出了新的挑战。
转到D4计算机图形
我们正在目睹数字信息的爆炸。互联网提供的数据量似乎无穷无尽，而且还在不断增长。从技术角度来看，这对数据的智能组织、语义搜索和深度分析提出了巨大挑战。这不仅关系到网络上的数据和知识，还关系到数据库、社交媒体、数字图书馆和科学数据存储库。
转至D5数据库和信息系统
视觉计算和人工智能部门调查计算机图形学、计算机视觉和人工智能交叉点的基础研究问题。我们的长期愿景是开发全新的方法，以最高的细节、健壮性和效率捕获、表示、合成和模拟真实世界的模型。为了实现这一长期目标，我们开发了新概念，重新思考计算机图形和计算机视觉的既定方法，并将其与人工智能（尤其是机器学习）的概念相结合。
转到D6可视化计算和人工智能
该小组的研究集中于一阶逻辑（子集）中的自动演绎。在理论方面，工作重点是逻辑演算的发展、分析和组合。实际上，该小组关注强大的自动定理证明器和其他演绎系统的实现及其应用。一个中心应用领域是计算机辅助硬件和软件验证。
转至RG1逻辑自动化
计算机网络已成为推动丰富云服务的“新电”。网络基础设施对云计算的性能至关重要。网络和云系统集团成立于2020年。研究重点是为云应用程序构建高性能和经济高效的网络和系统。我们采用跨层方法，涵盖优化云堆栈的广泛主题，包括新型硬件、网络协议、软件系统和云应用程序。
转至RG2网络和云系统
语言是我们人类相互交流和交流知识的基础。在过去的几年里，我们看到了自动语言理解和语言生成方面的巨大进步。多模态语言处理研究小组的一个中心目标是用其他方式来补充语言处理，以便更好地进行基础、更深入的理解和更自然的交互。
转到RG3多模态语言处理
