科学知識と AI の橋渡しでキャリアを築く

コンピューターサイエンス研究者アヌジ・カルパトネ氏の国立科学財団キャリア賞は、科学における世界規模の重大な課題に対処するための新しい人工知能研究に焦点を当てます。

2023 年 8 月 28 日

ロアノークのような都市に飲料水を供給する湖の水質を人工知能 (AI) が予測できたらどうなるでしょうか? それとも、気候変動を理解する上で最大の未知数の 1 つである大気中のエアロゾルを測定する科学者を支援しますか? AI を使用して、血漿内に固体細胞が分散している血流などの複雑な流体と粒子の混合物を研究することはできますか?

アヌジ・カルパトネ氏は、何世紀にもわたる研究で培われた豊富な科学知識と最新の AI を融合させることで、このような科学的疑問を研究したいと考えています。

工学部コンピューターサイエンス学科の准教授は、科学的知識とデータを使用して科学的発見を加速するための統一されたアプローチを探求するために、5年間で595,738ドルの全米科学財団教員早期キャリア開発プログラム（CAREER）賞を受賞しました。 Karpatne は、Sanghani Center for AI and Data Analytics のメンバーでもあります。

Karpatne は、2023 年の CAREER Award を受賞した 3 人目のコンピューター サイエンス研究者です。 他の2人はダン・ウィリアムズとリフ・ファンです。

ChatGPT などの AI の進歩がその画期的なパフォーマンスで話題になり続ける中、Karpatne と他の研究者は、特に科学的応用におけるその利用についてより深く考え始めています。

しかし、大きな問題が 1 つあります。

現在使用されている最良の深層学習モデルはまだブラックボックスです。 それらがどのように機能するかを解釈するのは困難です。 Netflix で映画を勧めるなど、結果が最も重要なアプリケーションにはこれで十分かもしれません。 しかし、観察の因果関係を説明することが目的である科学には不十分です。

AI モデルは通常、データのみに依存します。 しかし、データの力と何世紀にもわたって蓄積された豊富な科学知識を組み合わせた、AI 研究の新しいパラダイムが出現しつつあります。 これは知識誘導型機械学習 (KGML) と呼ばれるもので、新しいものではありますが、その潜在的な影響は膨大です。

Karpatne は KGML の初期の先駆者の 1 人であり、彼の研究はこの新興分野を育成し、方向付けるのに役立ちました。 昨年、Karpatne は、この分野の著名な専門家による章を含む KGML に関する最初の本を共同編集しました。

CAREER プロジェクトの一環として、Karpatne 氏のグループは、フォワード モデリング、インバース モデリング、ハイブリッド サイエンス機械学習モデリングという 3 つの KGML 研究タスクで新しい手法を開発します。

「私たちは、偏微分方程式から数値モデル、現象論的規則に至るまで、さまざまな科学的知識を AI に組み込むための KGML の新しいイノベーションに貢献する予定です」と Karpatne 氏は述べています。

Karpatne 氏は、バージニア工科大学などの専門家と協力して、KGML 研究の影響を 3 つの科学的ユースケースに提供します。

Karpatne 氏は、湖のモデリングの使用例で、生物科学部の Cayelan Carey 氏、森林資源環境保全部および生物科学部の Quinn Thomas 氏と協力して、降水域の水質のリアルタイム予測を提供します。ロアノークのクリーク貯水池。

「この貯水池はロアノークの住民にとって主要な飲料水源であり、私たちはその温度、クロロフィル含有量、その他の水質変数の予測に興味を持っています」とカルパトネ氏は述べた。 「KGML での研究を通じて、水に依存している人々に直接影響を与える可能性のある湖や貯水池の水質について、より正確な予測を生成することを目指しています。」

彼はまた、現在 NASA エアロゾル ロボット ネットワークの共同リーダーであるブラッドリー電気コンピューター工学科のエレナ リンドとも協力する予定です。 リンドは、大気中を伝わり地上のセンサーに到達する太陽​​放射を測定することにより、エアロゾルの特性をモデル化する専門家です。 光とエアロゾルの相互作用はすでに物理方程式で記述されていますが、AI はリアルタイムのセンサー データを使用してエアロゾルの特性を「リバース エンジニアリング」する可能性を期待しています。