Wie NAU sich selbst macht

Wie machen wir autonome Autos sicherer?

Diese Frage, die von entscheidender Bedeutung ist, da selbstfahrende Autos zunehmend auf amerikanischen Straßen zu finden sind, ist nur eine, die der NAU-Forscher Truong Nghiem mit einem neuen Projekt beantworten möchte, das nach Möglichkeiten sucht, maschinelles Lernen und physikalische Prinzipien in groß angelegte Cyber-Attacken zu integrieren. physikalische Systeme.

Nghiem, Assistenzprofessor an der Fakultät für Informatik, Informatik und Cybersysteme, erhielt ein NSF-CAREER-Stipendium für dieses Projekt, das darauf abzielt, ein umfassendes und flexibles Rahmenwerk für effektives und effizientes maschinelles Lernen mit physischen Einschränkungen zu entwickeln, das die Funktionsweise grundlegend verändern kann Wir wenden maschinelles Lernen auf komplexe Systeme wie intelligente Energiesysteme, industrielle Automatisierungssysteme sowie autonome Roboter und Autos an. Der CAREER-Award ist die prestigeträchtigste Auszeichnung der National Science Foundation für Nachwuchswissenschaftler.

„Eine entscheidende Herausforderung besteht darin, die Leistung und Sicherheit dieser Systeme zu gewährleisten, da sie typischerweise leistungs- und/oder sicherheitskritisch sind und jeder Ausfall verheerende Folgen haben könnte“, sagte Nghiem. „Unser Ansatz besteht darin, maschinelles Lernen und physikalische Prinzipien eng zu integrieren. Das in diesem Projekt entwickelte Framework wird eine Grundlage für eine solche Integration bilden und ein Sprungbrett zur Lösung der Herausforderung sein. Es wird dazu beitragen, zukünftige autonome cyber-physische Systeme zuverlässig und sicher zu machen.“

Ein Cyber-Physical System (CPS) ist ein technisches System, das auf der nahtlosen Integration rechnerischer und physischer Komponenten basiert und von dieser abhängt. Sie sind die Grundlage vieler moderner technischer Systeme, die unser tägliches Leben ausmachen, darunter Autos, Roboter, medizinische Geräte, Stromnetze und mehr, und sie werden immer häufiger, je automatisierter unser Leben wird.

Viele dieser Systeme nutzen maschinelles Lernen und zunehmend auch künstliche Intelligenz. Allerdings bietet maschinelles Lernen, das nicht immer auf der Physik basiert, nicht immer die beste Möglichkeit, diese Systeme zu „lehren“. Nghiems Forschung konzentriert sich auf physikinformiertes maschinelles Lernen (PIML), das in der Lage ist, Methoden zu entwickeln, die das Wissen über ein physikalisches System nahtlos in maschinelles Lernen einbetten und so zu robusten, genauen und konsistenten Modellen führen.

Bei autonomen Autos, Rovern, Drohnen und ähnlichen Systemen bedeutet das weniger Systemfehler und ein sichereres Erlebnis für das Fahrzeug und die Menschen in der Nähe. Aktuelle PIML-Methoden sind jedoch funktionell zu klein, um diese Anforderungen zu erfüllen.

Geben Sie Composite-Physics-Informed Machine Learning oder CPIML ein. Nghiems Projekt zielt darauf ab, das datengesteuerte Lernen komplexer, großer Systeme durch die Synthese vieler PIML- und physikalischer Komponentenmodelle voranzutreiben – es handelt sich um das physikalische Äquivalent von LEGO-Blöcken, die zusammengesetzt werden können, um mit jedem Block viel größere, komplexere Modelle zu erstellen Dabei handelt es sich um ein bereits entwickeltes Modell oder einen Teil des maschinellen Lernens.

Diese bahnbrechende Lösung erfordert die Integration der Cyberwelt (maschinelles Lernen, KI und Computer) und der physischen Welt (Dynamik- und Kontrollsysteme) in technische Systeme, sodass jede Welt die andere kennt und sich in sie integrieren kann. Das Ergebnis wird eine sicherere Welt sein, in der sich Menschen bewegen.

„Intelligente und autonome cyber-physische Systeme werden in naher Zukunft enorme Auswirkungen auf unser Leben haben“, sagte Nghiem. „Unsere Produktivität wird durch autonome Hilfsroboter, fortschrittliche industrielle Automatisierung (Industrie 4.0) und viele autonome Systeme in unserem Arbeits- und Privatleben erheblich steigen. Unsere Energieinfrastrukturen werden effizienter und zuverlässiger, und unser Transport wird sicherer und schneller. Sie alle hängen von modernen Technologien ab, darunter cyber-physischen Systemen und jüngsten Fortschritten beim maschinellen Lernen und der KI.“

Nghiems Forschung wird auch für Doktoranden und Studenten wertvolle Möglichkeiten bieten, sich mit der Softwareentwicklung und realen Anwendungen zu befassen.

Heidi Toth | NAU Communications (928) 523-8737 | [email protected]