КАРЬЕРА на стыке научных знаний и искусственного интеллекта

Премия Национального научного фонда «Карьера» исследователя компьютерных наук Ануджа Карпатне будет сосредоточена на новых исследованиях в области искусственного интеллекта для решения важнейших глобальных проблем в науке.

28 августа 2023 г.

Что, если искусственный интеллект (ИИ) сможет прогнозировать качество воды в озерах, которые снабжают питьевой водой такие города, как Роанок? Или помочь ученым измерить аэрозоли в атмосфере, которые являются одними из самых неизвестных в понимании изменения климата? Можем ли мы использовать ИИ для изучения сложных смесей жидкости и частиц, таких как кровоток, когда твердые клетки рассеяны в плазме крови?

Анудж Карпатне хочет изучать такие научные вопросы, сочетая богатство научных знаний, накопленных за столетия исследований, с новейшими достижениями в области искусственного интеллекта.

Доцент кафедры компьютерных наук Инженерного колледжа выиграл пятилетнюю награду в размере 595 738 долларов США в рамках Программы развития ранней карьеры преподавателей Национального научного фонда (CAREER) за изучение единого подхода к ускорению научных открытий с использованием научных знаний и данных. Карпатне также является членом Центра искусственного интеллекта и анализа данных Сангани.

Карпатне — третий исследователь в области компьютерных наук, получивший награду CAREER 2023. Двое других — Дэн Уильямс и Лифу Хуанг.

Поскольку достижения в области искусственного интеллекта, такие как ChatGPT, продолжают появляться в заголовках газет благодаря своим революционным характеристикам, Карпатне и другие исследователи начали более глубоко задумываться о его использовании, особенно в научных приложениях.

Но есть одна серьезная проблема.

Лучшие модели глубокого обучения, используемые сегодня, по-прежнему представляют собой черный ящик. Трудно интерпретировать, как они работают. Это может подойти для приложений, где результат наиболее важен, например, для рекомендации фильмов на Netflix. Но этого недостаточно для науки, целью которой является объяснение причин и следствий наблюдений.

Модели ИИ обычно полагаются только на данные. Но появляется новая парадигма исследований ИИ, объединяющая мощь данных с богатством научных знаний, накопленных на протяжении веков. Это называется машинным обучением, основанным на знаниях (KGML), и хотя оно новое, его потенциальное влияние огромно.

Карпатне — один из первых пионеров KGML, и его исследования помогли развивать и направлять эту развивающуюся область. В прошлом году Карпатное выступил соредактором первой книги о KGML, в которую вошли главы, написанные выдающимися экспертами в этой области.

В рамках проекта CAREER группа Карпатне разработает новые методы для решения трех исследовательских задач KGML: прямого моделирования, обратного моделирования и гибридного научного моделирования машинного обучения.

«Мы планируем внести в KGML новые инновации для включения в ИИ различных научных знаний, начиная от уравнений в частных производных и заканчивая численными моделями и феноменологическими правилами», — сказал Карпатне.

Карпатне будет сотрудничать с экспертами из Технологического института Вирджинии и других организаций, чтобы обеспечить влияние своего исследования KGML на три варианта научного использования:

Карпатне будет сотрудничать с Кайеланом Кэри из Департамента биологических наук и Куинном Томасом из Департамента лесных ресурсов и охраны окружающей среды и Департамента биологических наук в случае использования моделирования озер для предоставления прогнозов качества воды в реальном времени в водопаде. Водохранилище Крик в Роаноке.

«Этот резервуар является основным источником питьевой воды для жителей Роанока, и мы заинтересованы в прогнозировании его температуры, содержания хлорофилла и других переменных качества воды», — сказал Карпатне. «Благодаря нашим исследованиям в KGML мы стремимся получить более точные прогнозы качества воды в озерах и водохранилищах, которые могут напрямую повлиять на людей, которые зависят от воды».

Он также будет сотрудничать с Еленой Линд из Департамента электротехники и вычислительной техники Брэдли, которая в настоящее время является соруководителем роботизированной сети NASA AERosol. Линд является экспертом в моделировании свойств аэрозолей путем измерения солнечной радиации, проходящей через атмосферу и достигающей датчиков на земле. Уравнения физики уже описывают взаимодействие света с аэрозолями, но ИИ дает надежду на «обратное проектирование» свойств аэрозоля с использованием данных датчиков в реальном времени.