NAUはどのようにして自分自身を作っているのか

自動運転車をより安全にするにはどうすればよいでしょうか?

アメリカの道路で自動運転車がますます見かけるようになった今、この疑問は極めて重要であるが、NAUの研究者チュオン・ギエム氏は、機械学習と物理原理を大規模サイバーに統合する方法を検討する新しいプロジェクトで答えたいと考えている。物理的なシステム。

情報学、コンピューティング、およびサイバー システム学部の助教授である Nghiem 氏は、このプロジェクトに対して NSF CAREER 助成金を受け取りました。このプロジェクトは、物理的制約を伴う効果的かつ効率的な機械学習のための包括的で柔軟なフレームワークを開発することを目的としています。これは、学習方法を根本的に変える可能性があります。私たちは機械学習を、スマート エネルギー システム、産業オートメーション システム、自律型ロボットや自動車などの複雑なシステムに適用します。 CAREER賞は、全米科学財団の初期キャリア教員に対する最も栄誉ある賞です。

「重要な課題は、これらのシステムのパフォーマンスと安全性をどのように保証するかということです。これらのシステムは通常、パフォーマンスや安全性が重視されており、障害が発生すると壊滅的な結果を招く可能性があるためです」と Nghiem 氏は述べています。 「私たちのアプローチは、機械学習と物理原理を緊密に統合することです。 このプロジェクトで開発されたフレームワークは、そのような統合の基盤となり、課題解決への足がかりとなります。 これは、将来の自律的なサイバー物理システムの信頼性と安全性を高めるのに役立ちます。」

サイバーフィジカル システム (CPS) は、計算コンポーネントと物理コンポーネントのシームレスな統合から構築され、それに依存するエンジニアリング システムです。 これらは、自動車、ロボット、医療機器、送電網など、私たちの日常生活を構成する多くの現代工学システムの基盤であり、私たちの生活が自動化されるにつれて、さらに一般的になってきています。

これらのシステムの多くは機械学習を採用しており、人工知能も採用されています。 ただし、機械学習は常に物理学から情報を得ているとは限らず、これらのシステムを「教える」ための最良の方法を常に提供するとは限りません。 Nghiem 氏の研究は、物理情報に基づく機械学習 (PIML) に焦点を当てています。PIML は、物理システムの知識を機械学習にシームレスに埋め込み、堅牢で正確で一貫性のあるモデルを生成する方法を開発できます。

自動運転車、探査機、ドローン、および同様のシステムにおいて、これはシステムエラーが減り、車両と周囲の人々にとってより安全な体験を意味します。 ただし、現在の PIML メソッドは機能的に小さすぎて、これらのニーズを満たすことができません。

複合物理情報に基づく機械学習 (CPIML) を導入します。 Nghiem 氏のプロジェクトは、多数の PIML と物理コンポーネント モデルを合成することによって、複雑で大規模なシステムのデータ駆動型学習を推進することを目的としています。これは、各ブロックでより大規模で複雑なモデルを構築するために組み合わせることができる、レゴ ブロックに相当する物理学上のものです。すでに開発されたモデルまたは機械学習の一部であること。

この画期的なソリューションでは、サイバー世界 (機械学習、AI、コンピューティング) と物理世界 (動的システムおよび制御システム) を工学的システムに統合し、それぞれの世界が互いを認識して統合できるようにする必要があります。 その結果、人々が移動するより安全な世界が実現します。

「スマートで自律的なサイバー物理システムは、近い将来、私たちの生活に多大な影響を与えるでしょう」とギエム氏は語った。 「自律型ヘルパーロボット、高度な産業オートメーション（インダストリー4.0）、そして私たちの仕事や私生活における多くの自律型システムによって、私たちの生産性は大幅に向上します。 私たちのエネルギーインフラはより効率的で信頼性が高まり、輸送はより安全でより速くなります。 これらはすべて、サイバーフィジカル システムや機械学習と AI の最近の進歩など、最新のテクノロジーに依存しています。」

Nghiem 氏の研究は、大学院生や学部生にソフトウェア開発や現実世界のアプリケーションに従事する貴重な機会も提供します。

ハイジ・トス | NAU コミュニケーションズ (928) 523-8737 | [email protected]