Strojno učenje in kako pomaga raziskovalcem bistveno hitrejša znanstvena odkritja

Bojan Proje z Raven na Koroškem, Dobitnik priznanja ACS 2007 (Junij 2019).

Anonim

Jillian Buriak in njena ekipa porabita leta za razvoj stroškovno učinkovitih plastičnih sončnih celic, ki jih lahko natisnemo kot časopise. Potem je klepetala s kolegom kemijskim raziskovalcem Arthurom Marom in v samo nekaj tednih je strojna učna skupina omogočila njeni skupini, da poveča učinkovitost teh sončnih celic za 30 odstotkov.

"To je bil veliki poziv za nas, " je dejal Buriak. "Vse vrste znanstvenih odkritij se pričnejo zgoditi hitreje, kot so se navadili."

Strojno učenje je pospešeno odkritje na številnih področjih raziskav, Mar in njegova ekipa pa sodijo med številne pionirje na Univerzi v Alberti na tem področju.

Niso "terminatorji"

Pop kultura ponuja veliko idej o tem, kaj pomeni »strojno učenje«, toda Maru je le nabor orodij.

»Naše strojno učenje ni končnik, « se je smejal.

Strojna učna vrsta in kategorizira zapletene nize podatkov, s katerimi lahko razbremeni koristne informacije.

Mar pojasnjuje: "Če ste potrebovali pomoč pri pridobivanju težke škatle z zgornje police v trgovini, lahko analizirate ljudi okoli sebe, da bi videli, kdo bi pomagal. Lahko bi ciljali na ljudi, ki nosijo uniformo v trgovini, in jih lahko razvrstite na podlagi ustrezen atribut, kot je višina. Strojno učenje bo naredilo podobno združevanje in razvrščanje v skupine, vendar lahko obvladuje veliko več informacij, kot bi lahko kateri koli od nas obdelali. Prav tako lahko opredeli bolj relevantne lastnosti - lahko vam pove, da je višina zaposlenega manj pomembna od njihove dostop do lestvice in ustrezno uvrstitev. "

Za Buriakove sončne celice je stroj dobil več let eksperimentalnih laboratorijskih podatkov in je bil programiran tako, da bi iskal različne oblikovne spremenljivke, ki bi lahko vplivali na učinkovitost organske sončne celice.

"Z uporabo tradicionalnega načina spreminjanja ene spremenljivke naenkrat bi potrebovali več tisoč eksperimentov za prikaz vseh možnih kombinacij", je dejal Buriak. "Algoritem strojnega učenja nam je pomagal razumeti, katere spremenljivke so najbolj pomembne, in samo 16 eksperimentov kasneje smo na poti k sistematičnemu povečanju učinkovitosti sončnih celic na dramatično pospešen način."

Potrebujete samo prenosni računalnik

Inženirski profesorji Arvind Rajendran, Vinay Prasad in Zukui Li vodijo ekipo z uporabo strojnega učenja, da optimizirajo procese za zajem CO2, preden se lahko oddajajo iz elektrarn.

"Naš proces zajemanja ogljika bi lahko imel 9.000 različnih konfiguracij na uporabljeni material, " je dejal Prasad. "Moramo vedeti, kateri potencialni adsorbent je najučinkovitejši pri kateri konfiguraciji."

Strojno učenje omogoča ekipi, da hitro odpravi tisoče možnih konfiguracij, ki nikoli ne bi mogle izpolniti zahteve US Department of Energy za tehnologijo zajemanja ogljika za odstranitev 95 odstotkov CO2 iz emisij.

"Posamično modeliranje vsake od teh konfiguracij bi zahtevalo izjemno računsko moč več mesecev", je poudaril Prasad. "S strojnim učenjem in omejenim številom podatkov o usposabljanju iz podrobnih simulacij potrebujemo samo prenosni računalnik in nekaj ur."

Prednosti strojnega učenja so opazili strokovnjaki iz številnih disciplin. Avgusta je skupina Mar sodelovala s Prasadovo ekipo, da bi raziskovalcem, ki so povezana z raziskovalno pobudo U of A's Future Energy Systems, ponujala dve delavnici za strojno učenje. Obe sta bili razprodani, preden so bili oglaševani, udeleženci pa so bili fiziki, mikrobiologi, ekonomisti in celo skrbniki. Zdaj se razmišlja o več delavnicah in Prasad ponuja poseben diplomski tečaj na tem področju.

"Te tehnike smo uporabili, da vse analiziramo od spremljanja jalovskih ribnikov oljandov do kakovosti žita, ki bo postal priljubljeno pivo, " je dejal. "Če imate podatke, je strojno učenje orodje, ki vam lahko pomaga osredotočiti svoja prizadevanja."

Ne nadomešča ljudi

Iz Buriakove perspektive je vzpon strojnega učenja potreben pretres v raziskovanju na mnogih področjih in njena ekipa je v celoti izkoristila.

"Z uporabo tehnik smo v procesu razvoja nekaj resnično novih sistemov sončne energije, " je dejala. "Mi smo na poti, da bi te tehnologije delili v bližnji prihodnosti."

Ne bo dala nobenih datumov bližnjemu izrazu, vendar se bodo odkritja zagotovo zgodila prej, kot če bi se njena ekipa zadržala s tradicionalnimi metodami.

Za Mar, to je točko.

"Prihranili smo čas in denar z zmanjšanjem števila poskusov, potrebnih za odkritje, " je dejal. "Ljudem ne opravljamo eksperimentov, ki jih že opravljamo."

menu
menu