Faire CARRIÈRE en reliant les connaissances scientifiques et l'IA

Le prix CAREER de la National Science Foundation du chercheur en informatique Anuj Karpatne se concentrera sur les nouvelles recherches sur l'intelligence artificielle visant à relever les défis scientifiques mondiaux critiques.

28 août 2023

Et si l’intelligence artificielle (IA) pouvait prévoir la qualité de l’eau des lacs qui approvisionnent en eau potable des villes comme Roanoke ? Ou aider les scientifiques à mesurer les aérosols dans l’atmosphère, qui constituent l’une des plus grandes inconnues dans la compréhension du changement climatique ? Pouvons-nous utiliser l’IA pour étudier des mélanges complexes fluide-particules tels que le flux sanguin où les cellules solides sont dispersées dans le plasma sanguin ?

Anuj Karpatne souhaite étudier ces questions scientifiques en alliant la richesse des connaissances scientifiques développées au cours de siècles de recherche avec les dernières avancées en matière d'IA.

Le professeur agrégé du département d'informatique du College of Engineering a remporté un prix sur cinq ans du programme de développement de carrière en début de carrière (CAREER) de la National Science Foundation, d'une valeur de 595 738 $, pour explorer une approche unifiée permettant d'accélérer la découverte scientifique à l'aide de connaissances et de données scientifiques. Karpatne est également membre du Sanghani Center for AI and Data Analytics.

Karpatne est le troisième chercheur en informatique à remporter un prix CAREER 2023. Les deux autres sont Dan Williams et Lifu Huang.

Alors que les progrès de l’IA, tels que ChatGPT, continuent de faire la une des journaux pour leurs performances révolutionnaires, Karpatne et d’autres chercheurs ont commencé à réfléchir plus profondément à ses utilisations, en particulier dans les applications scientifiques.

Mais il y a un problème majeur.

Les meilleurs modèles d’apprentissage profond utilisés aujourd’hui restent une boîte noire. Il est difficile d'interpréter leur fonctionnement. Cela peut convenir aux applications où le résultat est le plus important, comme la recommandation de films sur Netflix. Mais cela ne suffit pas pour la science, où l’objectif est d’expliquer la cause et l’effet des observations.

Les modèles d’IA reposent généralement uniquement sur les données. Mais un nouveau paradigme de recherche en IA est en train d’émerger, combinant la puissance des données avec la richesse des connaissances scientifiques accumulées au fil des siècles. C'est ce qu'on appelle l'apprentissage automatique guidé par les connaissances (KGML) et, bien qu'il soit nouveau, ses impacts potentiels sont vastes.

Karpatne est l'un des premiers pionniers de KGML, et ses recherches ont contribué à nourrir et à orienter ce domaine émergent. L'année dernière, Karpatne a co-édité le premier livre sur KGML qui comprend des chapitres rédigés par d'éminents experts dans le domaine.

Dans le cadre du projet CAREER, le groupe de Karpatne développera de nouvelles méthodes dans trois tâches de recherche KGML : la modélisation directe, la modélisation inverse et la modélisation de l'apprentissage automatique scientifique hybride.

"Nous prévoyons d'apporter de nouvelles innovations dans KGML pour incorporer une variété de connaissances scientifiques dans l'IA, allant des équations aux dérivées partielles aux modèles numériques et aux règles phénoménologiques", a déclaré Karpatne.

Karpatne collaborera avec des experts de Virginia Tech et d'ailleurs pour donner l'impact de ses recherches KGML sur trois cas d'utilisation scientifique :

Karpatne collaborera avec Cayelan Carey du Département des sciences biologiques et Quinn Thomas du Département des ressources forestières et de la conservation de l'environnement et du Département des sciences biologiques, dans le cas d'utilisation de la modélisation des lacs pour fournir des prévisions en temps réel de la qualité de l'eau à la baisse. Réservoir Creek à Roanoke.

"Ce réservoir est une source majeure d'eau potable pour les habitants de Roanoke, et nous souhaitons prévoir sa température, sa teneur en chlorophylle et d'autres variables de qualité de l'eau", a déclaré Karpatne. "Grâce à nos recherches au KGML, nous visons à générer de meilleures prévisions sur la qualité de l'eau des lacs et des réservoirs qui peuvent avoir un impact direct sur les personnes qui dépendent de leur eau."

Il collaborera également avec Elena Lind du département Bradley de génie électrique et informatique, actuellement co-responsable du réseau robotique aérosols de la NASA. Lind est un expert dans la modélisation des propriétés des aérosols en mesurant le rayonnement solaire traversant l'atmosphère et atteignant des capteurs au sol. Les équations physiques décrivent déjà les interactions de la lumière avec les aérosols, mais l’IA donne l’espoir d’une « ingénierie inverse » des propriétés des aérosols à l’aide de données de capteurs en temps réel.