Hacer una CARRERA para unir el conocimiento científico y la IA

El premio CAREER de la Fundación Nacional de Ciencias del investigador en ciencias de la computación Anuj Karpatne se centrará en nuevas investigaciones sobre inteligencia artificial para enfrentar desafíos globales críticos en la ciencia.

28 de agosto de 2023

¿Qué pasaría si la inteligencia artificial (IA) pudiera pronosticar la calidad del agua en los lagos que suministran agua potable a ciudades como Roanoke? ¿O ayudar a los científicos a medir los aerosoles en la atmósfera, que son una de las mayores incógnitas para comprender el cambio climático? ¿Podemos utilizar la IA para estudiar mezclas complejas de fluidos y partículas, como el flujo sanguíneo, donde las células sólidas se dispersan en el plasma sanguíneo?

Anuj Karpatne quiere estudiar estas cuestiones científicas combinando la riqueza del conocimiento científico desarrollado durante siglos de investigación con lo último en IA.

El profesor asociado del Departamento de Ciencias de la Computación de la Facultad de Ingeniería ganó un premio del Programa de Desarrollo Profesional Temprano de la Facultad (CAREER) de la Fundación Nacional de Ciencias por cinco años y $ 595,738 para explorar un enfoque unificado para acelerar el descubrimiento científico utilizando conocimientos y datos científicos. Karpatne también es miembro del Centro Sanghani de IA y análisis de datos.

Karpatne es el tercer investigador en informática en ganar un premio CAREER 2023. Los otros dos son Dan Williams y Lifu Huang.

A medida que los avances en IA, como ChatGPT, continúan apareciendo en los titulares por sus avances revolucionarios, Karpatne y otros investigadores han comenzado a pensar más profundamente sobre sus usos, especialmente en aplicaciones científicas.

Pero hay un problema importante.

Los mejores modelos de aprendizaje profundo que se utilizan en la actualidad siguen siendo una caja negra. Es difícil interpretar cómo funcionan. Esto puede estar bien para aplicaciones donde el resultado es más importante, como recomendar películas en Netflix. Pero es inadecuado para la ciencia, donde el objetivo es explicar la causa y el efecto de las observaciones.

Los modelos de IA normalmente se basan únicamente en datos. Pero está surgiendo un nuevo paradigma de investigación en IA para combinar el poder de los datos con la riqueza del conocimiento científico acumulado durante siglos. Se llama aprendizaje automático guiado por el conocimiento (KGML) y, si bien es nuevo, sus impactos potenciales son enormes.

Karpatne es uno de los primeros pioneros de KGML y su investigación ha ayudado a nutrir y dirigir este campo emergente. El año pasado, Karpatne coeditó el primer libro sobre KGML que incluye capítulos de destacados expertos en el campo.

Como parte del proyecto CAREER, el grupo de Karpatne desarrollará nuevos métodos en tres tareas de investigación de KGML: modelado directo, modelado inverso y modelado de aprendizaje automático de ciencia híbrida.

"Planeamos contribuir con innovaciones novedosas en KGML para incorporar una variedad de conocimientos científicos en IA, que van desde ecuaciones diferenciales parciales hasta modelos numéricos y reglas fenomenológicas", dijo Karpatne.

Karpatne colaborará con expertos de Virginia Tech y otros lugares para lograr el impacto de su investigación de KGML en tres casos de uso científicos:

Karpatne colaborará con Cayelan Carey del Departamento de Ciencias Biológicas y Quinn Thomas del Departamento de Recursos Forestales y Conservación Ambiental y el Departamento de Ciencias Biológicas, en el caso de uso del modelado de lagos para proporcionar pronósticos en tiempo real de la calidad del agua en Falling. Embalse de Creek en Roanoke.

"Este embalse es una fuente importante de agua potable para los residentes de Roanoke y estamos interesados ​​en pronosticar su temperatura, contenido de clorofila y otras variables de calidad del agua", dijo Karpatne. "A través de nuestra investigación en KGML, nuestro objetivo es generar mejores pronósticos de la calidad del agua en lagos y embalses que puedan afectar directamente a las personas que dependen de su agua".

También colaborará con Elena Lind del Departamento de Ingeniería Eléctrica e Informática de Bradley, actualmente codirectora de la Red Robótica AErosol de la NASA. Lind es un experto en modelar las propiedades de los aerosoles midiendo la radiación solar que viaja a través de la atmósfera y llega a sensores en el suelo. Las ecuaciones físicas ya describen las interacciones de la luz con los aerosoles, pero la IA da la esperanza de realizar una “ingeniería inversa” de las propiedades de los aerosoles utilizando datos de sensores en tiempo real.

Karpatne colaborará con Danesh Tafti del Departamento de Ingeniería Mecánica en el desarrollo y mantenimiento de software computacional para simulaciones de fluidos, para estudiar mezclas de fluidos y partículas que se encuentran ampliamente en la naturaleza y son fundamentales para muchos procesos industriales que involucran la gasificación de materia sólida.

"El objetivo aquí es ver si los modelos de IA guiados con conocimiento científico pueden acelerar las simulaciones de sistemas fluido-partículas altamente complejos sin comprometer la precisión", dijo Karpatne.

Más allá de los tres casos de uso, Karpatne pretende que el proyecto tenga un impacto en muchas otras disciplinas científicas.

"Esperamos que nuestro trabajo siente las bases necesarias para establecer KGML como una disciplina de investigación de pleno derecho, que genere avances fundamentales en IA impulsados ​​por problemas transdisciplinarios", dijo.

Karpatne quiere que el proyecto también ayude a los estudiantes.

El equipo colaborará con el Centro de Redes e Impactos Educativos y el Centro para la Mejora de la Diversidad en Ingeniería (CEED). Las actividades del proyecto incluirán el desarrollo de sesiones interactivas sobre “IA para la ciencia” para el Festival de Ciencias de Virginia Tech y excursiones de estudiantes, y la participación en campamentos de verano del CEED. El proyecto también asesorará a estudiantes universitarios de diversas comunidades como pasantes de verano a través del Programa de Oportunidades Académicas Multiculturales.

El laboratorio de Karpatne incluye a los estudiantes graduados Arka Daw, M. Maruf, Medha Sawhney, Kazi Sajeed Mehrab, Snehal More, Abhilash Neog, Amartya Dutta, Mridul Khurana y Harish Babu Manogaran.

Chelsea Seeber

540-231-2108