과학 지식과 AI를 연결하는 직업 만들기

컴퓨터 과학 연구원인 Anuj Karpatne의 국립 과학 재단 CAREER 상은 과학 분야의 중요한 글로벌 과제를 해결하기 위한 새로운 인공 지능 연구에 중점을 둘 것입니다.

2023년 8월 28일

인공지능(AI)이 로어노크와 같은 도시에 식수를 공급하는 호수의 수질을 예측할 수 있다면 어떨까요? 아니면 과학자들이 기후 변화를 이해하는 데 가장 큰 미지의 요소 중 하나인 대기 중 에어로졸을 측정하도록 도와주실 수 있나요? 혈장 내에 고형 세포가 분산되어 있는 혈류와 같은 복잡한 유체-입자 혼합물을 연구하기 위해 AI를 사용할 수 있습니까?

Anuj Karpatne은 수세기에 걸쳐 개발된 풍부한 과학 지식과 최신 AI를 결합하여 이러한 과학적 질문을 연구하고 싶어합니다.

공과대학 컴퓨터 과학과 부교수는 과학적 지식과 데이터를 사용하여 과학적 발견을 가속화하기 위한 통합 접근 방식을 모색하기 위해 5년간 595,738달러의 미국 국립 과학 재단 교수 조기 경력 개발 프로그램(CAREER) 상을 받았습니다. Karpatne은 또한 Sanghani AI 및 데이터 분석 센터의 회원이기도 합니다.

Karpatne은 2023 CAREER 상을 수상한 세 번째 컴퓨터 과학 연구원입니다. 나머지 두 사람은 Dan Williams와 Lifu Huang입니다.

ChatGPT와 같은 AI의 발전이 계속해서 획기적인 성능으로 헤드라인을 장식함에 따라 Karpatne과 다른 연구자들은 특히 과학 응용 분야에서의 용도에 대해 더 깊이 생각하기 시작했습니다.

하지만 한 가지 큰 문제가 있습니다.

오늘날 사용되는 최고의 딥러닝 모델은 여전히 ​​블랙박스입니다. 작동 방식을 해석하기가 어렵습니다. Netflix에서 영화 추천과 같이 결과가 가장 중요한 애플리케이션에는 적합할 수 있습니다. 그러나 관찰의 원인과 결과를 설명하는 것이 목표인 과학에서는 이는 부적절합니다.

AI 모델은 일반적으로 데이터에만 의존합니다. 그러나 데이터의 힘과 수세기에 걸쳐 축적된 풍부한 과학적 지식을 결합하는 AI 연구의 새로운 패러다임이 등장하고 있습니다. 이를 KGML(지식 기반 기계 학습)이라고 하며, 새로운 것이지만 잠재적인 영향은 엄청납니다.

Karpatne은 KGML의 초기 개척자 중 한 명이며, 그의 연구는 이 신흥 분야를 육성하고 조종하는 데 도움이 되었습니다. 작년에 Karpatne은 해당 분야의 저명한 전문가들의 장을 포함하는 KGML에 관한 첫 번째 책을 공동 편집했습니다.

CAREER 프로젝트의 일환으로 Karpatne의 그룹은 순방향 모델링, 역모델링 및 하이브리드 과학 기계 학습 모델링이라는 세 가지 KGML 연구 작업에서 새로운 방법을 개발할 예정입니다.

Karpatne은 “우리는 편미분 방정식부터 수치 모델 및 현상학적 규칙에 이르기까지 다양한 과학적 지식을 AI에 통합하기 위해 KGML의 새로운 혁신에 기여할 계획입니다.”라고 말했습니다.

Karpatne은 Virginia Tech 및 다른 곳의 전문가와 협력하여 세 가지 과학적 사용 사례에 대한 KGML 연구의 영향을 제공할 것입니다.

Karpatne은 호수 모델링 사용 사례에서 생물과학과의 Cayelan Carey, 산림자원환경보전부 및 생물과학과의 Quinn Thomas와 협력하여 낙하산의 수질에 대한 실시간 예측을 제공할 예정입니다. Roanoke의 크릭 저수지.

Karpatne은 “이 저수지는 Roanoke 주민들의 주요 식수 공급원이며 우리는 이 저수지의 온도, 엽록소 함량 및 기타 수질 변수를 예측하는 데 관심이 있습니다.”라고 말했습니다. "KGML 연구를 통해 우리는 물에 의존하는 사람들에게 직접적인 영향을 미칠 수 있는 호수와 저수지의 수질에 대한 더 나은 예측을 생성하는 것을 목표로 합니다."

그는 또한 현재 NASA AErosol Robotic Network의 공동 리더인 Bradley 전기 및 컴퓨터 공학과의 Elena Lind와 협력할 예정입니다. Lind는 대기를 통해 이동하고 지상의 센서에 도달하는 태양 복사를 측정하여 에어로졸 특성을 모델링하는 전문가입니다. 물리학 방정식은 이미 빛과 에어로졸의 상호 작용을 설명하지만 AI는 실시간 센서 데이터를 사용하여 에어로졸 특성을 "역엔지니어링"할 수 있다는 희망을 제공합니다.