Penn Research in Embedded Computing and Integrated Systems Engineering(PRECISE) 센터의 분주한 복도에서는 획기적인 연구가 펼쳐지고 있습니다.

컴퓨터 및 정보 과학(CIS) 및 ESE학과 교수이자 PRECISE 센터 창립 멤버인 Rahul Mangharam의 조언을 받는 전기 및 시스템 공학(ESE) 박사 과정 학생 Nandan Tumu가 주도하는 이 작업은 도시 교통 관리를 변화시킬 것을 약속합니다.지속 가능한 도시 생활에 영향을 미치며,기후 변화 완화.

호기심과 혁신에 뿌리를 둔 여정

투무의 학문적 여정은 코네티컷 대학교에서 시작되었으며, 그곳에서 그는 컴퓨터 과학을 전공하고 철학을 부전공했습니다.이 독특한 조합은 기술적 전문성과 불확실성 및 지식에 대한 깊고 미묘한 이해를 결합하여 그의 연구를 위한 강력한 기반을 마련했습니다.

불확실성을 정량화하고 물리학을 통해 기계 학습에 정보를 제공하는 것에 대한 그의 관심은 강화 학습을 사용하여 로봇 제어 알고리즘을 개발하려는 초기 노력에서 커졌습니다.

오늘날 기계 학습에 대한 접근 방식의 주요 장애물은 샘플 복잡성입니다. 이는 적절한 수준의 성능을 달성하기 위해 알고리즘을 학습하는 데 얼마나 많은 데이터가 필요한지에 대한 질문입니다.데이터가 많을수록 더 많은 에너지가 필요하며 환경에 미치는 영향도 커집니다.

이 문제를 해결하기 위해 Tumu는 보다 효율적인 방법을 모색했으며 물리학 기반의 제한된 학습이 광범위한 샘플링의 필요성을 크게 줄일 수 있음을 발견했습니다.

이 접근 방식을 분포 없는 불확실성 정량화 방법인 등각 예측과 통합함으로써 Tumu는 다음을 제어할 수 있는 방법을 찾았습니다.복잡한 시스템효율적이고 안정적으로.

물리학 기반의 제한된 학습과 등각 예측의 혁신적인 결합은 그의 연구의 원동력이 되었으며, 드론이나 무인 자동차 또는 전력망 및 풍력과 같은 인프라와 같은 대규모 다중 에이전트 시스템의 잠재력을 실현할 것을 약속했습니다.전원.

차별화 가능한 예측 제어로 도시 교통을 변화시키다

최적화교통 시스템Tumu의 연구에 동기를 부여하는 애플리케이션이었습니다.2023년에 그는 교통 시스템 제어를 위한 기계 학습 방법을 개발하기 위해 여름 인턴으로 PNNL(Pacific Northwest National Labs) 팀에 합류했습니다.

그들의 논문에서는 "대규모 도시 도로 네트워크를 위한 미분 예측 제어,"라는 글을 게재했다.arXiv사전 인쇄 서버인 Tumu와 그의 협력자들은 우리 시대의 가장 시급한 문제 중 하나를 다루고 있습니다.교통 혼잡CO에 대한 기여₂방출.교통은 전 세계 탄소 배출의 주요 원인이므로 에너지 소비를 줄이고 기후 변화를 완화하려면 교통 네트워크를 최적화하는 것이 필수적입니다.

Tumu의 새로운 접근 방식은 PNNL에서 개발한 물리학 기반 기계 학습 방법론인 DPC(미분 예측 제어)를 활용하여 교통 관리를 발전시킵니다.대부분의 기존 교통 제어 시스템은 일반적으로 도로 네트워크를 여러 지역으로 나눈 다음 각 지역의 교통 흐름을 예측하고 최적화하는 MPC(모델 예측 제어)에 의존합니다.

확장성이 부족하고 해결하는 데 상당한 시간이 필요한 MPC와는 대조적으로교통 흐름Tumu는 DPC가 이러한 문제를 정확하고 신속하게 해결하여 트래픽 관리에 대한 보다 강력한 솔루션을 제공할 수 있다는 것을 발견했습니다.

실제로 기존의 최첨단 모델 예측 제어(MPC) 방법과의 실증적 비교는 Tumu 접근 방식의 우수성을 입증합니다.

논문에 보고된 바와 같이 DPC는 계산 시간을 4배 단축하고 트래픽 성능을 최대 37% 향상시킵니다.또한 시나리오 변화에 대한 컨트롤러의 견고성은 변화하는 트래픽 패턴에 대한 적응성을 보장합니다.이 연구는 보다 효율적인 교통 통제 방법을 제안할 뿐만 아니라 대규모 도시 네트워크의 배출량을 줄이고 혼잡을 완화하는 것을 목표로 합니다.

실제 영향과 향후 방향

Tumu 연구의 실질적인 의미는 AutonomIA 프로젝트의 일환으로 PNNL과 플로리다주 코랄게이블스 시와의 협력을 통해 평가될 예정입니다.목표는 교통 신호등 및 신호 관리 전략인 고급 교통 제어 알고리즘을 실제 환경에서 구현하여 이동 시간과 에너지 소비를 크게 줄이는 것입니다.

지금까지의 결과는 유망합니다. 이 프로젝트에서는 차량 지연이 크게 감소하여 전체 에너지 소비가 감소하고 CO가 감소하는 데 기여할 것으로 예상됩니다.₂방출.

연구 데이터 과학자이자 PNNL의 Tumu 멘토 중 한 명인 Ján DrgoÅa는 "기존 교통 제어 인프라를 최적화하기 위한 이 혁신적인 접근 방식은 기후 변화에 맞서 싸우는 데 중요한 단계입니다."라고 말합니다.

Tumu의 연구는 도시 교통을 넘어 확장됩니다.그는 PNNL과 협력하여 기존 풍력 발전 단지의 효율성을 높이기 위해 DPC 방법론을 적용하고 발전시키고 있습니다."이 확장은 효율성과 성능을 향상시키기 위해 네트워크로 연결된 사이버 물리 시스템을 위한 제어 알고리즘을 개발하려는 나의 중요한 연구 비전과 일치합니다."라고 Tumu는 말합니다.

"물리 기반 정보와 불확실성 정량화를 통합함으로써 실제 데이터를 활용하는 향상된 제어 알고리즘을 만드는 것이 목표입니다."

지속가능한 미래를 위한 비전

"Nandan Tumu의 연구는 중요한 기후와 복잡한 사회적 문제를 해결하기 위한 수학적으로 엄격하고 확장 가능한 접근 방식을 구현합니다."라고 Mangharam은 말합니다.

"물리학 기반 기계 학습과 고급 제어 방법론을 통합함으로써 그는 도시 환경을 더욱 효율적으로 만들고 에너지 시스템을 더욱 지속 가능하게 만드는 솔루션을 개척하고 있습니다."

"그의 작업은 학제간 연구의 힘과 우리 세계에서 의미 있는 변화를 주도할 수 있는 잠재력을 입증합니다."라고 PRECISE 센터 소장이자 CIS의 Cecilia Fitler Moore 교수인 이인섭 교수가 덧붙였습니다.

"Nandan이 계속해서 가능성의 경계를 넓혀가면서 그의 공헌은 학계와 사회 모두에 지속적인 영향을 미칠 것입니다."