Как НАУ делает себя

Как сделать беспилотные автомобили безопаснее?

Этот вопрос, который имеет решающее значение, поскольку беспилотные автомобили все чаще встречаются на американских дорогах, является лишь одним из тех, на которые исследователь НАУ Труонг Нгием надеется ответить с помощью нового проекта, который рассматривает способы интеграции машинного обучения и физических принципов в крупномасштабные кибер-технологии. физические системы.

Нгием, доцент Школы информатики, вычислений и киберсистем, получил грант NSF CAREER на этот проект, целью которого является разработка всеобъемлющей и гибкой структуры для эффективного и действенного машинного обучения с физическими ограничениями, которая может фундаментально изменить то, как мы применяем машинное обучение к сложным системам, таким как интеллектуальные энергетические системы, системы промышленной автоматизации и автономные роботы и автомобили. Премия CAREER — самая престижная награда Национального научного фонда для начинающих преподавателей.

«Основная задача заключается в том, как гарантировать производительность и безопасность этих систем, поскольку они, как правило, критически важны для производительности и/или безопасности, и любой сбой может иметь разрушительные последствия», — сказал Нгием. «Наш подход заключается в тесной интеграции машинного обучения и физических принципов. Структура, разработанная в рамках этого проекта, станет основой для такой интеграции и станет ступенькой на пути к решению этой проблемы. Это поможет сделать будущие автономные киберфизические системы надежными и безопасными».

Киберфизическая система (CPS) — это инженерная система, которая построена на основе бесшовной интеграции вычислительных и физических компонентов и зависит от нее. Они являются основой многих современных инженерных систем, составляющих нашу повседневную жизнь, включая автомобили, роботов, медицинские устройства, электросети и многое другое, и они становятся все более распространенными по мере того, как наша жизнь становится все более автоматизированной.

Многие из этих систем используют машинное обучение и все чаще искусственный интеллект. Однако машинное обучение, которое не всегда основывается на физике, не всегда обеспечивает лучший способ «обучения» этих систем. Исследования Нгиема сосредоточены на машинном обучении с учетом физики (PIML), которое способно разрабатывать методы, которые легко внедряют знания о физической системе в машинное обучение, что приводит к созданию надежных, точных и последовательных моделей.

В автономных автомобилях, вездеходах, дронах и подобных системах это означает меньше системных ошибок и более безопасную работу для транспортного средства и находящихся рядом людей. Однако современные методы PIML функционально слишком малы, чтобы удовлетворить эти потребности.

Введите комплексное машинное обучение на основе физики, или CPIML. Проект Нгиема направлен на продвижение обучения сложных, крупномасштабных систем на основе данных путем синтеза множества моделей PIML и физических компонентов — это физический эквивалент блоков LEGO, которые можно соединить вместе для создания гораздо более крупных и сложных моделей с каждым блоком. будучи уже разработанной моделью или частью машинного обучения.

Это новаторское решение потребует интеграции кибермира (машинное обучение, искусственный интеллект и вычисления) и физического мира (динамические системы и системы управления) в инженерных системах, чтобы каждый мир знал и мог интегрироваться с другим. Результатом станет более безопасный мир, по которому будут перемещаться люди.

«Умные и автономные киберфизические системы окажут огромное влияние на нашу жизнь в ближайшем будущем», — сказал Нгием. «Наша производительность существенно увеличится благодаря автономным роботам-помощникам, современной промышленной автоматизации (Индустрия 4.0) и множеству автономных систем в нашей работе и личной жизни. Наша энергетическая инфраструктура станет более эффективной и надежной, а наши перевозки станут более безопасными и быстрыми. Все это зависит от современных технологий, включая киберфизические системы и последние достижения в области машинного обучения и искусственного интеллекта».

Исследования Нгиема также предоставят ценные возможности аспирантам и студентам бакалавриата заняться разработкой программного обеспечения и практическими приложениями.

Хайди Тот | НАУ Связи (928) 523-8737 | [email protected]