Семинар по искусственному интеллекту: адаптивный экспериментальный дизайн для ускорения научных открытий и инженерного проектирования

Абстрактный
Широкий спектр проблем научных открытий и инженерного проектирования, от открытия материалов и разработки лекарств до 3D-печати и проектирования чипов, можно сформулировать как следующую общую проблему: адаптивная оптимизация сложных проектных пространств, основанная на дорогостоящих экспериментах, где затраты измеряются с точки зрения ресурсы. поглощен переживаниями. Например, поиск в материальном пространстве желаемого свойства при минимизации общих затрат ресурсов на физические лабораторные эксперименты для их оценки. Основная задача состоит в том, как выбрать последовательность экспериментов для обнаружения качественных решений при заданном ресурсном бюджете. В этом докладе я представлю новые алгоритмы адаптивного проектирования опыта для решения этой проблемы. Это включает в себя как разработку новых прогностических моделей для комбинаторных объектов (последовательностей, графиков, перестановок и т. д.), которые хорошо работают в условиях небольших объемов данных, так и обеспечение количественной оценки неопределенности и политики принятия решений, основанных на принципах тщательного выбора каждого эксперимента для сложных контекстов реального мира, где обычно это множественные цели, эксперименты с множественной точностью и ограничения «черного ящика». Я также представлю результаты применения этих алгоритмов для решения важных научных и инженерных задач в таких областях, как открытие нанопористых материалов, автоматизация электронного проектирования и аддитивное производство. В конечном итоге я также рассмотрю некоторые открытые проблемы и будущие направления, которые меня волнуют.

Биография спикера
Ариан Дешвал — доцент кафедры компьютерных наук и инженерии Университета Миннесоты. Его исследовательская программа — «ИИ для ускорения научных открытий и инженерного проектирования», в рамках которой он фокусируется на развитии основ искусственного интеллекта и машинного обучения для решения сложных реальных проблем, имеющих большое социальное воздействие, в сотрудничестве с экспертами в этой области. Он получил премию Инженерного колледжа за выдающуюся диссертацию за докторскую степень в Университете штата Вашингтон. Он был выбран в номинации «Восходящие звезды в области искусственного интеллекта» инициативой KAUST AI Initiative (2023 г.) и получил несколько наград выдающихся рецензентов на конференциях по машинному обучению (ICML (2020 г.), ICLR (2021 г.) и ICML (2021 г.)).