การเรียนรู้ด้วยเครื่องและวิธีที่จะช่วยให้นักวิจัยสามารถค้นพบทางวิทยาศาสตร์ได้เร็วขึ้นมาก

Anonim

Jillian Buriak และทีมงานของเธอใช้เวลาหลายปีในการพัฒนาเซลล์แสงอาทิตย์แบบพลาสติกที่มีประสิทธิภาพซึ่งสามารถพิมพ์ออกมาได้เช่นหนังสือพิมพ์ จากนั้นเธอก็คุยกับเพื่อนนักวิจัยด้านเคมี Arthur Mar และในเวลาเพียงไม่กี่สัปดาห์ทีมการเรียนรู้เกี่ยวกับเครื่องของเขาก็ช่วยให้กลุ่มของเธอสามารถเพิ่มประสิทธิภาพเซลล์แสงอาทิตย์ได้ 30 เปอร์เซ็นต์

"นั่นเป็นคำเรียกร้องให้เราตื่นขึ้นมาใหญ่" Buriak กล่าว "การค้นพบทางวิทยาศาสตร์ทุกชนิดกำลังเริ่มเกิดขึ้นเร็วกว่าที่เคยเป็นมา"

การเรียนรู้ด้วยระบบการทำงานของเครื่องจักรช่วยให้การค้นพบค้นพบได้เร็วขึ้นในหลาย ๆ ด้านของการค้นคว้าและมาร์และทีมของเขาเป็นหนึ่งในผู้บุกเบิกในมหาวิทยาลัยของอัลเบอร์ตา

พวกเขาไม่ใช่ 'terminators'

วัฒนธรรมป๊อปมีความคิดมากมายเกี่ยวกับ "การเรียนรู้ด้วยเครื่อง" แต่ Mar เป็นเพียงชุดเครื่องมือเท่านั้น

"การเรียนรู้ด้วยเครื่องของเราไม่ได้หมายถึงอะไร" เขากล่าวพร้อมกับหัวเราะ

ประเภทการเรียนรู้ของเครื่องและจัดหมวดหมู่ชุดข้อมูลที่ซับซ้อนเพื่อขจัดข้อมูลที่เป็นประโยชน์

"ถ้าคุณต้องการความช่วยเหลือในการรับกล่องหนักจากชั้นวางบนที่เก็บคุณสามารถวิเคราะห์คนรอบ ๆ ตัวคุณเพื่อดูว่าใครจะช่วยคุณสามารถกำหนดเป้าหมายผู้คนที่ใส่เครื่องแบบของร้านค้าและจากนั้นคุณสามารถจัดอันดับได้ตาม แอตทริบิวต์ที่เกี่ยวข้องเช่นความสูงการเรียนรู้ด้วยเครื่องจะทำคลัสเตอร์และการจัดอันดับที่คล้ายคลึงกัน แต่สามารถจัดการข้อมูลจำนวนมากขึ้นกว่าที่เราใด ๆ สามารถประมวลผลได้นอกจากนี้ยังสามารถระบุแอตทริบิวต์ที่เกี่ยวข้องได้มากขึ้นซึ่งอาจบอกได้ว่าความสูงของพนักงานมีความสำคัญน้อยกว่า เข้าถึงบันไดและจัดลำดับตาม "

สำหรับเซลล์สุริยุปราคาของ Buriak เครื่องได้รับข้อมูลจากห้องทดลองหลายปีที่ผ่านมาและได้มีการวางแผนเพื่อหาตัวแปรการออกแบบที่แตกต่างกันซึ่งอาจส่งผลต่อประสิทธิภาพของเซลล์สุริยะอินทรีย์

"การใช้วิธีการเดิมในการเปลี่ยนตัวแปรหนึ่งตัวแปรในแต่ละครั้งเราจำเป็นต้องใช้การทดลองหลายพันครั้งในการตรวจสอบชุดค่าผสมทั้งหมดที่เป็นไปได้เหล่านี้" Buriak กล่าว "อัลกอริธึมการเรียนรู้ด้วยเครื่องช่วยให้เราเข้าใจว่าตัวแปรใดมีความสำคัญมากที่สุดและหลังจากนั้นเพียงแค่ 16 การทดลองเราก็กำลังจะเพิ่มประสิทธิภาพของเซลล์แสงอาทิตย์อย่างเป็นระบบด้วยวิธีเร่งด่วน"

คุณต้องการแล็ปท็อปเท่านั้น

วิศวกรด้านวิศวกรรม Arvind Rajendran, Vinay Prasad และ Zukui Li นำทีมโดยใช้เครื่องเรียนรู้เพื่อเพิ่มประสิทธิภาพกระบวนการดักจับ CO2 ก่อนที่จะสามารถปล่อยออกมาจากโรงไฟฟ้า

"กระบวนการดักจับคาร์บอนของเราอาจมีการกำหนดค่าที่แตกต่างกันถึง 9, 000 ชุดต่อวัสดุที่ใช้" นายปราดกล่าว "เราจำเป็นต้องรู้ว่าตัวดูดซับที่มีศักยภาพมีประสิทธิภาพมากที่สุดในการกำหนดค่าใด"

การเรียนรู้ด้วยเครื่องจักรช่วยให้ทีมสามารถลดจำนวนของการกำหนดค่าที่เป็นไปได้ทั้งหมดนับพัน ๆ รายการซึ่งอาจไม่เป็นไปตามข้อกำหนดของกระทรวงพลังงานสหรัฐฯในเรื่องเทคโนโลยีการจับภาพคาร์บอนเพื่อลดการปล่อยมลพิษ 95 เปอร์เซ็นต์

Prasad ชี้ให้เห็นว่า "การสร้างแบบจำลองแต่ละแบบจะต้องใช้พลังการคำนวณอันมหาศาลในช่วงหลายเดือนที่ผ่านมา "ด้วยการเรียนรู้ด้วยเครื่องและข้อมูลการฝึกอบรมที่ จำกัด จากการจำลองแบบรายละเอียดเราจำเป็นต้องใช้แล็ปท็อปและไม่กี่ชั่วโมงเท่านั้น"

ประโยชน์ของการเรียนรู้ด้วยเครื่องได้รับการสังเกตโดยผู้เชี่ยวชาญในหลายสาขาวิชา ในเดือนสิงหาคมกลุ่มของ Mar ร่วมมือกับทีมของ Prasad เพื่อเสนอนักวิจัยที่สังกัดโครงการวิจัยพลังงานในอนาคตของ U of A ในการประชุมเชิงปฏิบัติการเกี่ยวกับการเรียนรู้ด้วยเครื่องจักรสองครั้ง ทั้งคู่ขายหมดก่อนที่โฆษณาจะมีผู้เข้าร่วมประชุมรวมทั้งนักฟิสิกส์จุลชีววิทยานักเศรษฐศาสตร์และแม้แต่ผู้บริหาร การอบรมเชิงปฏิบัติการเพิ่มเติมกำลังได้รับการพิจารณาและ Prasad กำลังเสนอหลักสูตรปริญญาเอกพิเศษในเรื่องนี้

"เราใช้เทคนิคเหล่านี้ในการวิเคราะห์ทุกอย่างตั้งแต่การตรวจสอบบ่อน้ำมันหล่อลื่นของ oilsands ไปจนถึงคุณภาพของธัญพืชที่จะทำให้เบียร์เป็นที่นิยม" เขากล่าว หากคุณมีข้อมูลการเรียนรู้ด้วยเครื่องก็เป็นเครื่องมือที่สามารถช่วยให้คุณมุ่งความสนใจไปได้

ไม่ได้แทนที่คน

จากมุมมองของ Buriak การเพิ่มขึ้นของการเรียนรู้ด้วยเครื่องเป็นสิ่งที่จำเป็นสำหรับการค้นคว้าวิจัยในสาขาต่างๆและทีมงานของเธอก็ได้รับประโยชน์เต็มที่

"การใช้เทคนิคเหล่านี้เรากำลังอยู่ในระหว่างการพัฒนาระบบพลังงานแสงอาทิตย์ใหม่อย่างแท้จริง" เธอกล่าว "เรากำลังดำเนินการเพื่อแบ่งปันเทคโนโลยีเหล่านี้ในระยะใกล้ ๆ "

เธอไม่ได้กำหนดวันที่ใด ๆ ให้ใกล้เคียง แต่การค้นพบนี้จะเกิดขึ้นเร็วกว่าที่ทีมของเธอติดขัดกับวิธีการแบบเดิม

ถึงเดือนมีนาคมนั่นคือประเด็น

"เราประหยัดเวลาและเงินด้วยการลดจำนวนการทดลองที่จำเป็นในการค้นพบ" เขากล่าว "เราไม่ได้มาแทนที่คนที่กำลังทำการทดลองอยู่ดี"

menu
menu