Was wäre, wenn Wissenschaftler und politische Entscheidungsträger die Filterung der riesigen Datenmenge automatisieren und optimieren könnten, die in jedem System zur Verfügung steht, um Informationen herauszuziehen, die den Menschen helfen könnten, Probleme in Bereichen wie Ernährungssicherheit, personalisierte Gesundheitsversorgung und Klimawandel zu lösen? Maschinelles Lernen hat das Potenzial, die menschliche Intuition zu erweitern und Muster an unerwarteten Stellen zu erkennen.
Nat Trask, außerordentlicher Professor für Maschinenbau und angewandte Mechanik, kombiniert sein Fachwissen in angewandter Mathematik und traditioneller Physikmodellierung mit den Möglichkeiten des maschinellen Lernens, um eine Vielzahl von Anwendungen durch sogenannte “selbstfahrende Labore” zu entdecken. Ein selbstfahrendes Labor funktioniert ähnlich wie ein selbstfahrendes Auto. In einem selbstfahrenden Labor würde die KI Robotern sagen, bestimmte Experimente in einer bestimmten Reihenfolge basierend auf den erhaltenen Daten durchzuführen. Durch diesen Ansatz können neue Muster und Verbindungen über verschiedene Forschungsbereiche hinweg entdeckt werden.
Als Co-Direktor eines von der Abteilung für Energie finanzierten Center namens SEA-CROGS arbeitet Trask mit sechs anderen Universitäten und zwei nationalen Laboren zusammen, um wissenschaftliche Maschinenlernarchitekturen der nächsten Generation zu entwickeln, um die Anforderungen in anspruchsvollen technischen Umgebungen zu erfüllen. Trask nutzt bereits die Kraft des maschinellen Lernens in seiner eigenen Arbeit, um genauere Physikmodelle zu erstellen. Maschinelles Lernen kann Interaktionen auf höherer Auflösung beobachten und verstehen, während bisherige Ansätze auf einzelnen Skalen und bestimmten Annahmen basierten, die möglicherweise nicht auf alle Szenarien zutreffen.
Durch die Anwendung des maschinellen Lernens können Beschränkungen des menschlichen Denkens und Einschränkungen, die in bisherigen Ansätzen enthalten waren, beseitigt werden, um genauere Modelle zu erstellen. Trask plant, einige seiner ersten maschinenlerngesteuerten, selbstfahrenden Labore an der Universität von Pennsylvania zu entwerfen, um innovative Lösungen in der medizinischen Diagnose und Behandlung, der Energiespeicherung und der nachhaltigen Materialentdeckung voranzutreiben.