Machen Sie eine KARRIERE und verbinden Sie wissenschaftliche Erkenntnisse und KI

Der CAREER-Preis der National Science Foundation des Informatikforschers Anuj Karpatne konzentriert sich auf neue Forschung im Bereich der künstlichen Intelligenz, um kritische globale Herausforderungen in der Wissenschaft zu bewältigen.

28. August 2023

Was wäre, wenn künstliche Intelligenz (KI) die Wasserqualität in Seen vorhersagen könnte, die Städte wie Roanoke mit Trinkwasser versorgen? Oder Wissenschaftlern dabei helfen, Aerosole in der Atmosphäre zu messen, die eine der größten Unbekannten beim Verständnis des Klimawandels darstellen? Können wir KI verwenden, um komplexe Flüssigkeits-Partikel-Gemische zu untersuchen, beispielsweise den Blutfluss, bei dem feste Zellen im Blutplasma verteilt sind?

Anuj Karpatne möchte solche wissenschaftlichen Fragen untersuchen, indem er den Reichtum an wissenschaftlichen Erkenntnissen, die in jahrhundertelanger Forschung entwickelt wurden, mit den neuesten Erkenntnissen der KI verbindet.

Der außerordentliche Professor im Fachbereich Informatik des College of Engineering hat einen fünfjährigen, mit 595.738 US-Dollar dotierten Preis für das Faculty Early Career Development Program (CAREER) der National Science Foundation gewonnen, um einen einheitlichen Ansatz zur Beschleunigung wissenschaftlicher Entdeckungen mithilfe wissenschaftlicher Erkenntnisse und Daten zu erforschen. Karpatne ist außerdem Mitglied des Sanghani Center for AI and Data Analytics.

Karpatne ist der dritte Informatikforscher, der einen CAREER-Award 2023 gewinnt. Die anderen beiden sind Dan Williams und Lifu Huang.

Da Fortschritte in der KI wie ChatGPT aufgrund ihrer bahnbrechenden Leistungen weiterhin für Schlagzeilen sorgen, haben Karpatne und andere Forscher begonnen, tiefer über deren Einsatzmöglichkeiten nachzudenken, insbesondere in wissenschaftlichen Anwendungen.

Aber es gibt ein großes Problem.

Die besten heute verwendeten Deep-Learning-Modelle sind immer noch eine Black Box. Es ist schwierig zu interpretieren, wie sie funktionieren. Für Anwendungen, bei denen das Ergebnis am wichtigsten ist, wie etwa die Empfehlung von Filmen auf Netflix, mag das in Ordnung sein. Für die Wissenschaft, deren Ziel es ist, die Ursache und Wirkung von Beobachtungen zu erklären, reicht sie jedoch nicht aus.

KI-Modelle basieren normalerweise ausschließlich auf Daten. Doch es entsteht ein neues Paradigma der KI-Forschung, das die Macht der Daten mit dem Reichtum an wissenschaftlichen Erkenntnissen verbindet, die über Jahrhunderte gesammelt wurden. Es heißt wissensgesteuertes maschinelles Lernen (KGML) und obwohl es neu ist, sind seine potenziellen Auswirkungen enorm.

Karpatne ist einer der frühen Pioniere von KGML und seine Forschung hat dazu beigetragen, dieses aufstrebende Gebiet zu fördern und zu steuern. Letztes Jahr war Karpatne Mitherausgeber des ersten Buches über KGML, das Kapitel von prominenten Experten auf diesem Gebiet enthält.

Im Rahmen des CAREER-Projekts wird Karpatnes Gruppe neue Methoden in drei KGML-Forschungsaufgaben entwickeln: Vorwärtsmodellierung, inverse Modellierung und hybride wissenschaftliche Modellierung maschinellen Lernens.

„Wir planen, neuartige Innovationen in KGML beizutragen, um eine Vielzahl wissenschaftlicher Erkenntnisse in die KI zu integrieren, die von partiellen Differentialgleichungen bis hin zu numerischen Modellen und phänomenologischen Regeln reichen“, sagte Karpatne.

Karpatne wird mit Experten an der Virginia Tech und anderswo zusammenarbeiten, um die Wirkung seiner KGML-Forschung auf drei wissenschaftliche Anwendungsfälle zu entfalten:

Karpatne wird mit Cayelan Carey vom Department of Biological Sciences und Quinn Thomas vom Department of Forest Resources and Environmental Conservation und dem Department of Biological Sciences im Anwendungsfall der Seemodellierung zusammenarbeiten, um Echtzeitvorhersagen der Wasserqualität im Falling zu liefern Creek Reservoir in Roanoke.

„Dieser Stausee ist eine wichtige Trinkwasserquelle für die Bewohner von Roanoke, und wir sind daran interessiert, seine Temperatur, seinen Chlorophyllgehalt und andere Wasserqualitätsvariablen vorherzusagen“, sagte Karpatne. „Durch unsere Forschung im KGML wollen wir bessere Vorhersagen zur Wasserqualität in Seen und Stauseen erstellen, die sich direkt auf die Menschen auswirken können, die auf ihr Wasser angewiesen sind.“

Er wird auch mit Elena Lind vom Bradley Department of Electrical and Computer Engineering zusammenarbeiten, derzeit Co-Leiterin des NASA Aerosol Robotic Network. Lind ist Experte für die Modellierung von Aerosoleigenschaften, indem er die Sonnenstrahlung misst, die durch die Atmosphäre wandert und Sensoren am Boden erreicht. Physikalische Gleichungen beschreiben bereits Wechselwirkungen von Licht mit Aerosolen, aber KI lässt auf ein „Reverse Engineering“ der Aerosoleigenschaften mithilfe von Echtzeit-Sensordaten hoffen.

Karpatne wird mit Danesh Tafti von der Fakultät für Maschinenbau an der Entwicklung und Wartung von Computersoftware für Flüssigkeitssimulationen zusammenarbeiten, um Flüssigkeits-Partikel-Mischungen zu untersuchen, die in der Natur weit verbreitet sind und für viele industrielle Prozesse, die die Vergasung fester Materie beinhalten, von grundlegender Bedeutung sind.

„Ziel hier ist es herauszufinden, ob auf wissenschaftlichen Erkenntnissen basierende KI-Modelle Simulationen hochkomplexer Fluid-Partikel-Systeme beschleunigen können, ohne die Genauigkeit zu beeinträchtigen“, sagte Karpatne.

Über die drei Anwendungsfälle hinaus beabsichtigt Karpatne, dass das Projekt Auswirkungen auf viele andere wissenschaftliche Disziplinen haben wird.

„Wir hoffen, dass unsere Arbeit die notwendigen Grundlagen schafft, um KGML als vollwertige Forschungsdisziplin zu etablieren, die grundlegende Fortschritte in der KI liefert, die durch transdisziplinäre Probleme vorangetrieben werden“, sagte er.

Karpatne möchte, dass das Projekt auch Studenten hilft.

Das Team wird mit dem Center for Educational Networks and Impacts und dem Center for the Enhancement of Engineering Diversity (CEED) zusammenarbeiten. Zu den Projektaktivitäten gehören die Entwicklung interaktiver Sitzungen zum Thema „KI für die Wissenschaft“ für das Virginia Tech Science Festival und Studentenexkursionen sowie die Teilnahme an CEED-Sommercamps. Das Projekt wird auch Bachelor-Studenten aus verschiedenen Gemeinschaften als Sommerpraktikanten im Rahmen des Multicultural Academic Opportunities Program betreuen.

Zu Karpatnes Labor gehören die Doktoranden Arka Daw, M. Maruf, Medha Sawhney, Kazi Sajeed Mehrab, Snehal More, Abhilash Neog, Amartya Dutta, Mridul Khurana und Harish Babu Manogaran.

Chelsea Seeber

540-231-2108