슬롯 커뮤니티오늘

‘차원의 저주’를 깨는 것은 마술이 아닌 수학을받을 슬롯 커뮤니티

엔지니어링 교수 Hao Xu는 대규모 컴퓨터 시스템을 강화하기 위해 경력 보조금을받습니다.

슬롯 커뮤니티 및 혁신| 2022 년 4 월 5 일
Chris Moran

‘차원의 저주’를 깨는 것은 마술이 아닌 수학을받을 슬롯 커뮤니티

엔지니어링 교수 Hao Xu는 대규모 컴퓨터 시스템을 강화하기위한 경력 보조금을받습니다.

슬롯 커뮤니티 및 혁신| 2022 년 4 월 5 일
Chris Moran

5G 네트워크 및 스마트 교통과 같은 복잡한 컴퓨터 시스템은 세계를 변화시킬 수 있지만 전기 및 생물 의학 공학 조교가 걸림돌을 봅니다.

LS-MAS (Lange Multi-Agent Systems)는 게임 이론 (컴퓨터 시스템 간 전략적 상호 작용의 수학적 모델 슬롯 커뮤니티), 인공 지능 (AI) 및 기계 학습 (ML)을 사용하는 여러 자율 전산화 시스템간에 막대한 정보 교환이 필요합니다. 그리고 게임 이론은 AI와 ML이 다중 에이전트 시스템에 성공적으로 적용되었지만 Xu는 이러한 이론과 기술을 LS-MAS에 적용하는 데 여전히 차이가 있다고 말합니다..

LS-MAS의 많은 에이전트가 시스템의 최적화 및 학습에서 계산하기 어려운 계산 복잡성을 유발하기 때문입니다 : 차원의 저주. XU는 그의 연구 프로젝트에서“안전하고 효율적인 대규모 다중 에이전트 시스템을위한 계층 적 게임 이론과 하이브리드 학습 프레임 워크를 향해 그 저주를 들어 올리려고 노력할 슬롯 커뮤니티.

여기, Xu는 그의 슬롯 커뮤니티에 대해 논의합니다.

커리어 프로젝트의 목표는 무엇입니까?

Wide Area Power Management Systems, Smart Transportation, 5G/6G의 매우 밀집된 네트워크 등과 같은 대규모 다중 에이전트 시스템 (LS-MAS)은 세상을 빠르게 변화시키고 있습니다. LS-MAS의 이점을 수확하기 전에 불확실성과 교란에서도 실시간으로 LS-MA의 효율성과 탄력성을 향상시킬 수있는 실행 가능한 방법론을 개발해야합니다.

기존의 게임 이론, 인공 지능 (AI) 및 ML (Multi-Agent Systems 최적화에서의 ML) 성취도는 흥미 롭지 만 LS-MAS에 이러한 이론과 기술을 적용하는 격차가 여전히 있으며, 많은 에이전트가 최적화 및 학습에서 다루기 어려운 계산 및 학습 모두에서“핵심적 성질 성으로 알려져 있기 때문입니다.”

이 경력 프로젝트의 목표는 LS-MAS의 탄력성과 효율성을 향상시키기위한 게임 이론 및 데이터 지원 학습의 과학적 방법론에 대한 기본 지식을 발전시키는 슬롯 커뮤니티.첫째,이 프로젝트는 최적의 효율성과 계산 복잡성의 균형을 맞추기 위해 새로운 계층 적 게임 이론 (HGT)을 개발할 슬롯 커뮤니티.

프로젝트가 사회에 어떤 잠재적 영향을 미칠 수 있습니까?

빅 데이터 관련 기술뿐만 아니라 사물 인터넷의 빠른 개발로 전통적인 소규모 다중 에이전트 시스템은 대규모로 널리 확장되었습니다. 그러나 잘 알려진“슬롯 커뮤니티 저주”로 인해 실제 LS-MAS에서 최근 시스템 최적화의 발전을 효율적으로 사용할 수 없습니다.

또한이 프로젝트가 성공하면 이러한 결과를 비슷한 슬롯 커뮤니티 문제에 직면 한 다른 필드로 확장 할 수 있습니다. 예를 들어 스마트 그리드, 사물 인터넷, 5G/6G 통신 및 스마트 운송 시스템이 있습니다.

프로젝트는 성공하면 경제적 영향을 크게 초래할 슬롯 커뮤니티. 제안 된 연구는 최첨단 인공 지능 및 머신 러닝 (AI/ML) 기술을 실시간 시스템에 적용하는 방법을 포장 할 수 있습니다.

한편,이 프로젝트의 교육 프로그램의 봉사 활동 구성 요소는 K-12, 사전 대학 및 연구 및 엔지니어링 경력의 잠재력과 매력에 대한 인식을 향상시킬 슬롯 커뮤니티.

슬롯 커뮤니티가 징계에 어떤 영향을 미칩니 까?

이 슬롯 커뮤니티는 응용 인공 지능 및 기계 학습 (AI/ML)에 중대한 영향을 미칩니다. 수십 년이 지난 후에도 여전히 현재 AI/ML 기술을 실시간 시스템 (예 : 스마트 운송, 5G/6G 네트워크, 로봇 보조 고급 제조 시스템)에 적용 할 수있는 먼 길이 있습니다.

실시간 시스템이 점점 더 복잡해지는 동안 AI/ML 계산 복잡성 증가
학습이 완전히 완료되기 전에 시스템 성능 (예 : 안정성 등)을 보장하기위한 효과적인 메커니즘이 부족합니다.

AI/ML 기술의 실용성을 향상시키기 위해이 연구는 실시간 시스템 설계 복잡성을 근본적으로 줄일 수있는 새로운 이론적 기초를 구축 할 슬롯 커뮤니티. 또한이 연구는 또한 성능 품질 (QoP) 중심 메커니즘을 제공하고 학습 중 시스템 성능을 보장하기 위해 AI/ML 기술과 통합 할 슬롯 커뮤니티.