ペン組み込みコンピューティングおよび統合システム工学研究 (PRECISE) センターの賑やかな廊下では、画期的な研究が展開されています。

コンピュータ情報科学部 (CIS) および ESE の教授であり、PRECISE センター創設メンバーでもあるラーフル・マンガハラム氏の助言を受けた電気システム工学 (ESE) 博士課程の学生であるナンダン・トゥム氏が率いるこの取り組みは、都市交通管理の変革を約束します。持続可能な都市生活と気候変動の緩和。

好奇心と革新に根ざした旅

Tumu の学問の旅はコネチカット大学で始まり、そこでコンピューター サイエンスを専攻し、哲学を副専攻しました。このユニークな組み合わせは、技術的な専門知識と不確実性と知識に対する深く微妙な理解を融合させ、彼の研究の強力な基盤を築きました。

不確実性を定量化し、物理学を利用して機械学習に情報を提供することに対する彼の興味は、強化学習を使用したロボット制御アルゴリズムの開発における初期の取り組みから成長しました。

今日の機械学習へのアプローチにおける主な障害はサンプルの複雑さです。これは、適切なレベルのパフォーマンスを達成するためにアルゴリズムを学習するためにどのくらいのデータが必要かという問題です。データが増えれば増えるほど、より多くのエネルギーが必要となり、環境への影響も大きくなります。

これに対処するために、Tumu はより効率的な方法を模索し、物理学に基づいた制約付き学習により大規模なサンプリングの必要性を大幅に削減できることを発見しました。

このアプローチを、分布のない不確実性の定量化方法である等角予測と統合することにより、Tumu は制御方法を発見しました。複雑なシステム効率的かつ確実に。

物理学に基づいた制約付き学習と等角予測のこの革新的な組み合わせは、彼の研究の原動力となり、ドローンや無人車両のフリート、あるいは送電網や風力などのインフラストラクチャなど、より大規模なマルチエージェント システムの可能性を解き放つことを約束しています。農場。

微分可能な予測制御による都市交通の変革

最適化交通システムは Tumu の研究の動機となるアプリケーションです。2023 年、彼は交通システム制御のための機械学習手法を開発するための夏季インターンとして太平洋岸北西部国立研究所 (PNNL) のチームに加わりました。

彼らの論文では、「大規模都市道路ネットワークのための微分可能な予測制御」に掲載されました。arXivプレプリント サーバーである Tumu とその協力者は、現代の最も差し迫った問題の 1 つに取り組んでいます。交通渋滞とCO2への貢献₂排出量。輸送は地球規模の排出量の主な要因であるため、エネルギー消費を削減し、気候変動を緩和するには、交通ネットワークの最適化が不可欠です。

Tumu の新しいアプローチは、PNNL で開発された物理学に基づいた機械学習手法である微分可能予測制御 (DPC) を活用して、トラフィック管理を推進し​​ます。既存の交通制御システムのほとんどは、モデル予測制御 (MPC) の一部に依存しています。MPC は、通常、道路ネットワークを領域に分割し、各領域の交通の流れを予測して最適化します。

MPC とは対照的に、MPC は拡張性が低く、解決にかなりの時間がかかる可能性があります。交通の流れTumu は、DPC がこれらの問題を正確かつ迅速に解決し、トラフィック管理により堅牢なソリューションを提供できることを発見しました。

実際、既存の最先端のモデル予測制御 (MPC) 手法との経験的な比較により、Tumu のアプローチの優位性が実証されています。

論文で報告されているように、DPC は計算時間を 4 桁削減し、トラフィック パフォーマンスを最大 37% 向上させます。さらに、シナリオの変化に対するコントローラーの堅牢性により、変化するトラフィック パターンへの適応性が保証されます。この研究は、より効率的な交通制御方法を提案するだけでなく、大規模な都市ネットワークにおける排出量の削減と混雑の緩和を目的としています。

現実世界への影響と将来の方向性

Tumu の研究の実際的な意味は、AutonomIA プロジェクトの一環として、PNNL とフロリダ州コーラルゲーブルズ市との協力を通じて評価される予定です。目標は、これらの高度な交通制御アルゴリズム (交通信号や信号を管理するための戦略) を現実の環境に実装し、移動時間とエネルギー消費を大幅に削減することです。

これまでの結果は有望です。このプロジェクトでは、車両の遅延が大幅に減少し、全体的なエネルギー消費量の削減と CO2 の削減に貢献すると推定されています。₂排出量。

「既存の交通管制インフラを最適化するこの革新的なアプローチは、気候変動との戦いにおける重要なステップです」と、PNNL のリサーチ データ サイエンティストで Tumu の指導者の 1 人である Ján DrgoÅa 氏は述べています。

トゥム氏の研究は都市交通を超えて広がっています。PNNL と協力して、既存の風力発電所の効率を高めるために DPC 手法を適用および発展させています。「この拡張機能は、効率とパフォーマンスを向上させるためにネットワーク化されたサイバー物理システムの制御アルゴリズムを開発するという私の包括的な研究ビジョンと一致しています」と Tumu 氏は言います。

「物理ベースの情報と不確実性の定量化を組み込むことで、実世界のデータを活用する改良された制御アルゴリズムを作成することを目指しています。」

持続可能な未来へのビジョン

「ナンダン・トゥムの研究は、危機的な気候と複雑な社会的課題に対処するための、数学的に厳密で拡張性のあるアプローチを体現しています」とマンガハラム氏は言う。

「物理学に基づいた機械学習と高度な制御手法を統合することで、都市環境をより効率的にし、エネルギー システムをより持続可能にすることを約束するソリューションの先駆者となっています。」

「彼の研究は、学際的な研究の力と、それが私たちの世界に有意義な変化をもたらす可能性を証明しています」と、PRECISEセンター所長でCISのセシリア・フィトラー・ムーア教授であるインサップ・リー氏は付け加えた。

「ナンダンは可能性の限界を押し広げ続けており、彼の貢献は学術界と社会の両方に永続的な影響を残すことになるでしょう。」