Inlärning av numeriska metoder för specifika ändamål
- Diarienummer
- SM19-0029
- Start- och slutdatum
- 200815-211215
- Beviljat belopp
- 827 021 kr
- Förvaltande organisation
- Uppsala University
- Forskningsområde
- Beräkningvetenskap och tillämpad matematik
Summary
Syftet med detta projekt är att utveckla numeriska metoder som kan skräddarsys för en given uppgift baserat på tidigare exempel av samma uppgift. Den underliggande metodologin, differentierbar programmering, är en vidareutveckling av de framgångsrika principer som djupinlärning bygger på, med den viktiga skillnaden att den tillåter det dynamiska beteende som är vanligt bland numeriska metoder. Projektet kommer genomföras som ett forskningsutbyte på 75% där Jens Sjölund, senior forskare på strålterapiföretaget Elekta, gästar Prof. Thomas Schöns maskininlärningsgrupp på Uppsala universitet. Forskningen kommer att drivas framåt av konkreta problem från radioterapi och reglerteknik: simulering av stråldos (i praktiken numerisk integration), optimering av behandlingsplaner och realtidsstyrning av dosleverans. Förväntningen är att differentierbar programmering kommer att möjliggöra inlärning av numeriska metoder för specifika ändamål med prestanda som saknar motstycke. Sjölund förväntas aktivt katalysera kontakter och samarbeten mellan forskare på Elekta och Uppsala universitet - inte bara genom att delta i den dagliga verksamheten på båda sidor. På Elekta kommer han ha regelbundna möten med högre chefer och ge seminarier; lovande idéer kommer att föras vidare enligt Elektas innovationsprocess. På Uppsala universitet kommer han att vara bihandledare till doktorander och sträva efter att initiera gemensamma forskningsprojekt kring problem av särskild industriell relevans.
Populärvetenskaplig beskrivning
Matematik är naturvetenskapens språk. Matematiska problem uppträder inom i stort sett alla naturvetenskapliga områden och att kunna lösa dem effektivt är grundläggande för vår teknologiska utveckling. I verkligheten är det dock få problem som går att lösa exakt, men det finns desto fler som en dator kan hitta en approximativ lösning till - detta är vad forskningsområdet numerisk analys, även kallat beräkningsmatematik, handlar om. I tillämpningar som använder numerisk analys är det vanligt att variationer av samma problem dyker upp om och om igen, exempelvis när det gäller att göra en väderprognos eller att ta fram en strålbehandlingsplan för en cancerpatient. De lösningsmetoder som används idag tenderar dock att vara väldigt generella, till priset av att de har små möjligheter att anpassas till de egenheter som utmärker ett visst problem. Under de senaste åren har artificiell intelligens (AI) rönt enormt stort uppmärksamhet tack vare en rad häpnadsväckande framgångar. Dessa beror till stor del på genombrott inom det som kallas djupinlärning. En stor skillnad mellan djupinlärning och dess föregångare är att man vid djupinlärning endast sätter upp ett ramverk för hur algoritmen får bete sig, och sedan låter det exakta beteendet bestämmas av vad som ger bäst resultat på en stor uppsättning tidigare exempel. En begränsning har dock varit att ramverket endast tillåtit statiska beteenden, alltså att de ingående stegen måste bestämmas i förväg. Detta är i kontrast till många numeriska lösningsmetoder, vars beteende är dynamiskt, och det till exempel är vanligt att ett visst steg upprepas tills man uppnått en tillräckligt god approximation (utan att man vet på förhand hur många steg som kommer krävas). Nu har det dock kommit nya metoder, som går under benämningen differentierbar programmering, som möjliggör dynamisk djupinlärning. Syftet med detta projekt är att använda differentierbar programmering för att utveckla nya numeriska lösningsmetoder som kan tränas till ett specifikt ändamål givet en uppsättning exempel. Förhoppningen är att denna specialisering kommer göra metoderna betydligt snabbare och effektivare än deras traditionella motsvarigheter. Projektet kommer att utföras genom ett forskningsutbyte mellan strålterapiföretaget Elekta och maskininlärningsgruppen på Uppsala universitet, och det faller sig därför naturligt att de problem som studeras i första hand kommer att vara sådana som uppstår vid planering av strålbehandling.