국립과학재단(National Science Foundation)은 최근 인공 지능(크레이지 슬롯) 연구를 위한 11개 센터에 자금을 지원한다고 발표했습니다. 이 중 크레이지 슬롯 for Dynamic Systems 연구소에는 리노 네바다 대학의 기여가 포함될 예정입니다.기계공학과조크레이지 슬롯아디티야 나르그리고플로리스 반 브뤼겔. 그들은 기계 학습을 향상시키기 위해 동적 시스템과 유체 역학에 대한 전문 지식을 활용할 것입니다.
“연구소의 목표는 우리가 이미 세상에 대해 갖고 있는 지식을 통합하여 기계 학습 솔루션을 더욱 강력하게 만드는 것입니다.”라고 van Breugel은 말했습니다. “우리는 물리학 기반 크레이지 슬롯를 만들고자 합니다.”
새로운 크레이지 슬롯가 연구 목표를 발전시키는 방법을 설명하기 위해 van Breugel은 자신의 현재 프로젝트 중 하나를 설명했습니다. 그의 연구팀은 라이더가 산을 내려갈 때 아래에 있는 눈의 특성을 결정하도록 설계된 특수 장치를 스키에 장착했습니다.
"우리는 크레이지 슬롯가 반드시 알지 못하는 많은 것을 알고 있습니다"라고 van Breugel은 말했습니다. "예를 들어, 우리는 시스템의 에너지가 증가하지 않을 것이라는 점과 가속도와 속도가 관련되어 있다는 점을 알고 있습니다."
그러면 이런 종류의 정보가 크레이지 슬롯에 공급되면 크레이지 슬롯는 예를 들어 눈이 내리는 세계의 모델 버전을 알지 못할 것입니다. 왜냐하면 그러한 모델은 현실과 결코 일치하지 않기 때문입니다. 인간에게는 그것이 주어진 것일 수도 있지만, 전통적인 ML 시스템은 눈이 내리는 모델을 개발하는 데 엄청난 양의 계산 능력과 시간을 소비할 수 있습니다.
"크레이지 슬롯는 다양한 연구 분야에서 통합 목표가 될 것입니다"라고 항공우주 공학 분야에서 일하는 N크레이지 슬롯r가 덧붙였습니다. “저의 경우 난기류 제어에 가장 관심이 많습니다.
N크레이지 슬롯r와 van Breugel 모두에게 연구소의 가장 흥미로운 측면 중 하나는 교육에 대한 헌신입니다. 오픈 소스 강의 계획서 및 수업 계획을 제공하는 것 외에도 연구소의 연구에서 생성된 코드를 무료로 제공할 예정입니다.크레이지 슬롯 웹사이트또한 크레이지 슬롯의 연구와 관련된 주요 개념을 다루는 화이트보드 동영상 라이브러리가 점점 늘어나고 있습니다.
그리고 광범위한 전문가 그룹의 엄청난 양의 연구가 있을 것이라고 약속합니다. J. Nathan Kutz 소장과 Steven L. Brunton 부소장을 포함하여 이 크레이지 슬롯는 서쪽으로는 하와이 대학, 동쪽으로는 하버드 및 콜롬비아에 이르는 대학의 연구원 31명을 모았습니다.
“팀의 장점은 우리 모두가 서로 다른 분야에서 왔으나 핵심 원칙은 동일하다는 것입니다.”N크레이지 슬롯r가 말했습니다. "모델링, 제어, 시스템 최적화 작업 중 무엇을 하든 우리는 모두 적합합니다. 우리 중 누구도 크레이지 슬롯가 현재의 블랙박스가 되는 것을 원하지 않으며, 희박하고 강력한 모델을 위해 노력합니다."
“크레이지 슬롯에 포함된 것은 우리에게 연구 포트폴리오를 구축할 수 있는 엄청난 플랫폼을 제공합니다. 이 크레이지 슬롯는 미래 연구를 위한 인프라를 공동으로 구축하고 구축할 수 있는 기회를 제공하며, 작은 표준 문제만 해결하는 대신 계산 집약적인 빅데이터 문제를 극복하는 데 한계를 뛰어넘을 수 있습니다."
van Breugel과 N크레이지 슬롯r 모두 연구소에 참여함으로써 이미 번성하고 있는 연구실을 계속해서 발전시킬 수 있을 것입니다. 작년에 van Breugel이 지명되었습니다.슬론 펠로우명예로운 상을 받았습니다플로리스 반 브뢰겔(무료그리고 지난 가을 캠퍼스에 도착한 지 몇 달 만에 N크레이지 슬롯r는 지역 당국에 다음 작업에 필요한 도구를 제공했습니다.향후 코로나19 감염 예측. 크레이지 슬롯를 위한 NSF 자금은 연구 팀의 학생과 박사후 연구원을 5년 동안 지원할 것입니다.
"연구소에 포함된 것은 우리에게 연구 포트폴리오를 구축할 수 있는 엄청난 플랫폼을 제공합니다"라고 N크레이지 슬롯r는 말했습니다. "이 연구소는 미래 연구를 위한 인프라를 공동으로 구축하고 구축할 수 있는 기회를 제공하며, 작은 표준 문제만 해결하는 대신 계산 집약적인 빅데이터 문제를 극복하는 데 한계를 뛰어넘을 수 있습니다."
