Projekti / Programi
Napredne metode strojnega učenja za avtomatizirano modeliranje dinamičnih sistemov
Koda |
Veda |
Področje |
Podpodročje |
2.07.00 |
Tehnika |
Računalništvo in informatika |
|
Koda |
Veda |
Področje |
P176 |
Naravoslovno-matematične vede |
Umetna inteligenca |
strojno učenje, odkrivanje enačb, dinamični sistemi, avtomatizirano modeliranje, ekološko modeliranje, sistemska biologija
Raziskovalci (12)
Organizacije (3)
Povzetek
Dinamični sistemi, katerih stanje se spreminja s časom, so prisotni povsod tako v znanosti kot v tehniki. V tem projektu se ukvarjamo z avtomatiziranim modeliranjem dinamičnih sistemov, tj. s procesom gradnje modelov na osnovi opazovanj in meritev obnašanja sistema. Novejši pristopi k temu problemu, razviti na področju računalniško podprtega odkrivanja znanstvenih zakonitosti, imajo več pomanjkljivosti: običajno je pri modeliranju privzeto deterministično obnašanje sistema, kjer je stanje sistema v prihodnosti popolnoma določeno njegovim trenutnim stanjem; poleg tega predpostavljamo, da je en sam model primeren za celotno življenjsko dobo modeliranega sistema; obstoječe metode uporabljajo standardne metode za ocenjevanje parametrov, ki večinoma temeljijo na metodi gradientnega sestopa; metode so računsko zelo zahtevne. V okviru projekta bomo razvili metode, ki bodo rešile vsako od štirih zgoraj omenjenih pomanjkljivosti: razvili bomo metode za učenje verjetnostnih modelov dinamičnih sistemov; metode za učenje strukturno dinamičnih modelov, katerih struktura in/ali parametri se s časom spreminjajo; izboljšane metode za ocenjevanje parametrov v kontekstu avtomatskega modeliranja dinamičnih sistemov; paralelne algoritme za avtomatsko modeliranje. Vse razvite metode bomo ovrednotili in pokazali njihovo uporabnost na več praktičnih problemih s področja ekološkega modeliranja (predvsem na področju vodnih ekosistemov in na področju naprav za čiščenje odpadnih voda) in sistemske biologije (učenje metaboličnih in genskih regulacijskih mrež).
Pomen za razvoj znanosti
Raziskave, ki so bile izvedene v tem projektu so pomembne za razvoj več znanstvenih disciplin. Najprej in predvsem prispevajo nova znanja na področju računalništva (informacijskih tehnologij), oz. bolj natančno na področju strojnega učenja in računalniško podprtega odkrivanja znanstvenih zakonitosti. Projekt je z razvojem metod za avtomatizirano gradnjo novih tipov modelov dinamičnih sistemov in z izboljšavami ključnih aspektov gradnje standardnih tipov modelov pomembno premaknil meje trenutno najsodobnejših raziskav.
Naše raziskave so pripomogle tudi k razvoju drugih znanstvenih discipline, ki uporabljajo razvite metode, kot so ekološko modeliranje in sistemska biologija. Potreba po strukturno dinamičnih modelih je nastala na področju ekološkega modeliranja, vendar pa je do sedaj obstajalo le malo metod (če sploh kakšna) za avtomatizirano gradnjo takih modelov. Nastajajoče področje sistemske biologije ima tudi močno potrebo po avtomatiziranem modeliranju dinamičnih sistemov. Z upoštevanjem teh potreb naše raziskave pomembno prispevajo tudi k razvoju omenjenih znanstvenih disciplin.
Pomen za razvoj Slovenije
Na področju informacijskih tehnologij predvidevamo, da bi lahko razvite metode za avtomatizirano modeliranje dinamičnih sistemov botrovale nastanku programskega produkta, ki bi ga potencialno lahko tržili uporabnikom na več (tudi tehničnih) področjih. Informacijske tehnologije so v slovenski industriji močno zastopane in bi lahko rezultate projekta pretvorile v tržni produkt. Razvite metode uporabljamo za modeliranje kmetijskih ekosistemov, vključno z gensko spremenjenimi posevki. Naučeni modeli izboljšajo razumevanje preučevanega ekosistema in njegovo upravljanje. Razvite metode uporabljamo tudi na področju sistemske biologije, tj. za avtomatizirano modeliranje različnih celičnih procesov. Genske regulacijske poti odkrite na ta način so lahko uporabljene za razvoj novih terapij za preučevane bolezni, kar je pomembno za farmacevtsko industrijo nasploh, vljučno s slovensko. Bolezni, ki jih preučujemo vključujejo okužbe s salmonelo ter tuberkulozo.
Projekt je izboljšal vidnost slovenskih znanstvenikov in Slovenije na specifičnih področjih, ki se jih dotika (strojno učenje, ekološko modeliranje in sistemska biologija) kot tudi na širših znanstvenih področjih (informacijske tehnologije, ekologija in biologija). Poleg tega je izboljšal mednarodno sodelovanje slovenskih znanstvenikov in vzpodbudil prenos znanja na področju sistemske biologije v Sloveniji: Konkreten primer je bila organizacija delavnic MLSB 2009 (Third Workshop on Machine Learning in Systems Biology) v Ljubljani in MLSB 2010 (Fourth Workshop on Machine Learning in Systems Biology) v Edinburgu na Škotskem. Sistemska biologija je porajajoče se raziskovalno področje, ki bo v prihodnosti pridobilo na pomembnosti. Slovenski raziskovalci imajo na tem področju omejeno znanje, še posebno na področju učenja modelov dinamike procesov v celici. Projekt je prispeval k razvoju raziskovalcev na omenjenih področjih tako na doktorskem kot podoktorskem nivoju.
Najpomembnejši znanstveni rezultati
Letno poročilo
2008,
2009,
zaključno poročilo,
celotno poročilo na dLib.si
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati
Letno poročilo
2008,
2009,
zaključno poročilo,
celotno poročilo na dLib.si