At hjælpe ikke-eksperter med at skabe matematiske modeller gennem naturlig udvælgelse

Videnskabs- og ingeniørapplikationer såsom kontrol af højpræcisionsbevægelsessystemer eller elektrokemiske processer er ofte bygget på matematiske modeller af dynamiske systemer. Ph.d. kandidat Dhruv Khandelwal udviklede en ramme, der tillader folk uden erfaring med datadrevet modellering ret nemt at udvikle høj kvalitet, optimerede matematiske modeller af disse dynamiske systemer. Dette er et vigtigt værktøj, der kan hjælpe forskere af enhver stribe med at navigere i den komplekse labyrint af modelleringsteknologier og systemdynamik, og understøtte datadrevet forskningsoutput og valorisering. For eksempel, elektroingeniører, der styrer sundheden i elnettet eller forskere, der studerer væksten af ​​kræftceller. Khandelwal forsvarer sin ph.d. speciale den 4. marts.

Generering af en model, der er optimeret til dine kriterier

De vanskelige dele ved at oprette matematiske modeller er at vælge den rigtige modelstruktur og optimere modellen til dine specifikke mål og præstationsmetrics. Khandelwals algoritme står for begge dele.

For at hjælpe brugerne med at generere korrekte modeller, Khandelwal udviklede en "grammatik" til dynamiske modeller ved hjælp af Tree Adjoining Grammar (TAG), som kan undersøge modelleringsmuligheder i en række forskellige systemer, strukturer og kompleksiteter. For at komme frem til en optimal model for brugeren, Khandelwal designet en evolutionær tilgang, baseret på Darwins definition af naturlig udvælgelse i biologien:"[Det] princip, hvorved hver lille variation, hvis det er nyttigt, er bevaret. "Fitnesslandskabet, modellerne konkurrerer i, bestemmes af de brugerspecificerede præstationskriterier, og den evolutionære algoritme "udvikler" modeller, der klarer sig bedst i dette miljø.

Så gode som modeller skabt af eksperter

Den automatiserede modelleringsmetode blev evalueret på en række akademiske, applikationer fra den virkelige verden og benchmark. Denne evaluering viser, at rammen med succes genererer modeller med minimal brugerinteraktion. I tilfælde, hvor den modellerede applikation var fuldt ud forstået, de automatisk genererede modeller matchede karakteren af ​​det sande system. I flere casestudier, modellen foreslået af rammeværket var lige så god som modeller opnået state-of-the-art teknikker anvendt af ekspertbrugere.