Pronalaženje razumne hipoteze može predstavljati izazov kada postoje hiljade mogućnosti. Zbog toga dr Džozef Sang-II Kvon pokušava da postavi hipoteze na generalizujući i sistematičan način.
Kvon, vanredni profesor na Artie McFerrin Odeljenju za hemijsko inženjerstvo na Teksaškom A&M univerzitetu, objavio je svoj rad na mešanju tradicionalnih naučnih modela zasnovanih na fizici sa eksperimentalnim podacima kako bi tačno predvideo hipoteze u časopisu Nature Chemical Engineering.
Kvonovo istraživanje se proteže izvan domena tradicionalnog hemijskog inženjerstva. Povezujući fizičke zakone sa mašinskim učenjem, njegov rad bi mogao da utiče na obnovljive izvore energije, pametnu proizvodnju i zdravstvenu zaštitu, što je navedeno u njegovom nedavnom radu „Dodavanje velikih podataka u jednačinu“.
Izvođenje hipoteza za eksperimentalna posmatranja obično uključuje proces pokušaja i greške. Kvon je razvio sistematski okvir koji integriše specijalizovano znanje sa eksperimentalnim podacima kako bi stvorio efikasniji proces.
„Najuticajniji aspekt ovog istraživanja je njegova sposobnost da premosti jaz između teorijskih modela i složenosti stvarnog sveta, stvarajući svestrani okvir za rešavanje zamršenih problema“, rekao je Kvon. „Ova svestranost znači da bi potencijalne koristi mogle doseći širok spektar industrija i značajno uticati na svakodnevni život.“
Ovo istraživanje bi moglo dovesti do otkrića novih lekova ugrađivanjem eksperimentalnih podataka u ove modele, rekao je Kvon. Ovaj pristup hibridnog modeliranja integriše biološko znanje sa podacima kako bi se ubrzala predviđanja lekova.
„Razvoj novih lekova je skup i dugotrajan“, rekao je Kvon. „Ali sa naprednijim modelima, možemo ubrzati procese otkrivanja i proizvodnje. Korišćenje simulacija i mašinskog učenja smanjuje potrebu za skupim laboratorijskim eksperimentima, štedeći vreme i ubrzavajući otkrivanje novih tretmana.“
Njegov pristup kombinuje modele zasnovane na fizici sa fleksibilnošću komponenti vođenih podacima koje se mogu prilagoditi i ispraviti predviđanja zasnovana na eksperimentalnim podacima iz stvarnog sveta.
Kvon planira da koristi ove modele kao okosnicu za simulaciju složenih sistema i hvatanje osnovnih fizičkih fenomena koje tradicionalni modeli zasnovani na fizici ne mogu sami da shvate.
„Ova metodologija nam omogućava da kontinuirano procenjujemo parametre procesa zajedno sa hiperparametrima komponente vođene podacima“, rekao je Kvon. „Na taj način osiguravamo da su modeli primenljivi na širi spektar uslova, čineći ih svestranijim i pogodnijim za rukovanje novim i raznovrsnim scenarijima.“
„Čisto modeli zasnovani na podacima ne uspevaju kada je reč o hvatanju zamršenosti ovih sistema“, rekao je Kvon. „Kupeći ova dva pristupa, možemo poboljšati efikasnost i pouzdanost industrijskih procesa koji su ključni za proizvodnju svakodnevnih osnovnih stvari kao što su energija, hemikalije i farmaceutski proizvodi.
