• ICERM的家(南大街121号)日

    欢迎来到ICERM

    数学计算与实验研究所

  • ICERM的海报会议

    欢迎来到ICERM

    数学计算与实验研究所

  • ICERM的演讲厅

    欢迎来到ICERM

    数学计算与实验研究所

  • ICERM董事会工作

    欢迎来到ICERM

    数学计算与实验研究所

本周在ICERM

数值PDE:分析、算法和数据挑战
“数值PDE:分析、算法和数据挑战”图片
SciML的产业化
“SciML产业化”图片
2024年3月24日
  • 9:00-上午9:30 EDT公司
    有效优化模拟和实际应用程序
    11楼演讲厅
    • 扬声器
    • 埃坦·巴克希,梅塔
    • 会议主席
    • 科罗拉多大学博尔德分校Alireza Doostan
    摘要
    模拟和物理实验通常是资源密集型的,可能需要几天或几周时间才能获得对正在考虑的特定设计的估计。贝叶斯优化是解决此类问题的一种流行方法。我将讨论贝叶斯优化和Meta开发的开源软件的最新进展,以解决复杂的科学和工程问题,包括高维优化、组合、多目标和多目标优化的方法,以及通过短期实验确定长期结果。我将在光学元件逆向设计、具体公式和机器学习系统的应用背景下介绍这些方法。
  • 9:40-上午10:10 EDT公司
    优化产品性能的物理信息机器学习
    11楼演讲厅
    • 扬声器
    • Juan Betts,预测智商
    • 会议主席
    • 科罗拉多大学博尔德分校Alireza Doostan
    摘要
    工业应用中机器的维护和可持续性对其现场性能至关重要。在许多情况下,机器故障模式主要由物理和化学过程控制,如疲劳、磨损和腐蚀。此外,这些过程通常具有用于分析算法的测量数据,以预测这些故障事件。基于物理的机器学习(PIML)技术似乎是解决此类问题的理想方法,因为物理可以弥补数据的不足,而物理化学过程主导了这些失效力学。在本文中,我们讨论了发动机PIML热机械(TMF)PIML模型的开发及其相应的试验和现场数据验证。本文还讨论了这些模型在磨损和机油健康应用中的扩展。
  • 10:20-上午10:50 EDT公司
    咖啡休息时间
    11层协作空间
  • 10:50-上午11:20 EDT公司
    过程系统中科学机器学习的观点和实践:动态代孕和因果发现
    11楼演讲厅
    • 扬声器
    • Jordan Javing,巴斯德实验室
    • 会议主席
    • 科罗拉多大学博尔德分校Alireza Doostan
    摘要
    科学机器学习(SciML)的进展势必对工业控制和过程系统(ICPS)工程领域产生深远影响。这种系统的特点是相互连接的物理设备的操作;复杂的控制和数据采集系统;以及非线性、噪声和多维的传感器数据。因此,维持ICPS的可靠和可预测运行具有挑战性,通常依赖于强大的咨询系统和专家操作员决策。因此,SciML方法为开发新的仿真和分析工具提供了独特的机会,这些工具可以最终增强和重新定义ICPS操作和决策活动。本演讲介绍了我们在ICPS范式中使用数据驱动的替代物和因果发现方法的SciML发展和经验。我们首先讨论了使用动态代理架构开发实时ICPS仿真器的观点,以及与传统仿真器方法相比,它们如何促进有效的仿真生命周期开发。我们进一步证明了动态代理模型如何自然地实现最先进的数值优化和模型预测控制能力。接下来,我们介绍了在监测和故障分析的背景下使用因果发现方法的挑战和机遇。我们讨论了因果发现方法如何提供一个自然的框架,以帮助操作员理解复杂的系统行为,并帮助诊断故障的根本原因,而无需预先存在故障操作条件的历史记录。最后,我们使用基准化学过程数据集(田纳西-伊士曼过程)来演示我们的结果。
  • 上午11:30-下午12:00 EDT公司
    当大型网络不够时:物理、多样性和内核
    11楼演讲厅
    • 扬声器
    • Panos Stinis,太平洋西北国家实验室
    • 会议主席
    • 科罗拉多大学博尔德分校Alireza Doostan
    摘要
    现代机器学习在多种应用中显示出非凡的前景。然而,即使在神经网络具有大量可训练参数的情况下,强行使用神经网络也无法对物理科学中的问题提供高度准确的预测。我们提出了一系列关于加强物理、利用多元性知识和神经网络的核表示如何显著提高效率和/或准确性的想法。使用了各种示例来说明这些想法。
  • 12:10-下午2:00 EDT公司
    午餐/自由时间
  • 2:00-下午2:30 EDT公司
    基于神经网络的三维交互设计探索
    11楼演讲厅
    • 扬声器
    • Victor Oancea,达索系统公司
    • 会议主席
    • Panos Stinis,太平洋西北国家实验室
    摘要
    物理模拟是在涵盖不同物理域的多个尺度上进行的。零件和装配级的宏观连续模拟,通常采用传统的数值技术,如3D有限元或有限体积,由于其高预测价值,被广泛用于基于物理的产品设计。然而,这些模拟通常都是计算密集型的,需要几分钟/小时/天才能执行。从这些计算成本高昂的3D模型开始,代理模型将执行时间大幅减少至秒(或交互时间),从而允许在设计空间中进行大量参数评估。然而,这些替代模型通常保真度较低,仅通过少数标尺KPI(例如,最大应力、最大压力、最大侵入等)提供有限的信息。为了保持三维仿真结果的丰富性,同时显著减少执行时间,本文提出了一种基于神经网络的方法,其最终目的是实现三维准交互设计探索。多物理-多尺度传统模拟[1]被用作起点:a)结构静力学、动力学、制造、包装和安全的FEA分析,以及b)CFD分析-被用作实验设计(DOE)以生成参数化设计数据。数据被处理并用于训练快速执行的神经网络作为3D代理。根据物理性质选择神经网络算法和架构(深度前馈网络、递归和递归网络等)[2]。训练好的神经网络模型可以部署在协作设计环境中进行交互式设计探索。该方法扩展了传统模型代理,以涵盖瞬态物理响应和三维场,从而为产品设计提供了一个信息丰富、生产效率更高的环境。
  • 2:40-下午3点10分 EDT公司
    通过机器学习支持深空任务的生物研究和太空健康
    11楼演讲厅
    • 虚拟扬声器
    • Lauren Sanders,美国国家航空航天局
    • 会议主席
    • Panos Stinis,太平洋西北国家实验室
    摘要
    NASA“月球到火星”运动的目标是了解生物学如何应对月球、火星和深空环境,以提高基础知识,降低风险,并支持安全、高效的人类太空任务。通过强大的新兴人工智能(AI)和机器学习(ML)方法,生物医学科学和工程宇航员健康系统的范式转变已经开始,以实现任务操作的地球依赖性和自主性。在这里,我们概述了AI/ML体系结构支持的深空任务目标,该目标是与该领域的领导者共同开发的。首先,我们将重点放在支持我们理解航天生理反应的基础生物学研究上,并描述当前支持AI/ML研究的努力,包括通过FAIR(可查找、可访问、可互操作、可重用)实现数据标准化和数据工程数据库和AI现成数据集的生成,以供重用和分析。我们还讨论了在深空任务期间生成的研究数据以及环境和健康数据的强大远程数据管理框架。我们重点介绍了几个利用数据标准化和管理进行基本生物发现的研究项目,以揭示太空旅行对生命系统的复杂影响。接下来,我们概述了可集成的尖端AI/ML方法,以支持深空任务期间的远程监测和分析,包括生成模型和大型语言模型,以学习潜在的生物医学模式,并预测结果或回答非世界医学场景中的问题。我们还描述了当前的AI/ML方法,通过自动化的基于云的实验室支持这项研究和监测,这些实验室能够在远程环境中进行有限的人工干预和闭环实验。这些实验室可以通过分析环境数据流来支持任务自主性,并且可以通过现场分析功能来帮助这些实验室避免通过低带宽通信发送大型原始数据文件。最后,我们描述了一个跨层次的集成实时任务生物监测解决方案,从连续环境监测到可穿戴设备和点对点设备,再到分子和生理监测。我们引入了一个精确的空间健康系统,该系统将确保空间健康的未来是可预测的,预防性、参与性和个性化。
  • 3:20-下午3:50 EDT公司
    咖啡休息时间
    11层协作空间
  • 3:50-下午4:20 EDT公司
    环境监测中的物理注入ML
    11楼演讲厅
    • 扬声器
    • 麻省理工学院Haruko Wainwright
    • 会议主席
    • Panos Stinis,太平洋西北国家实验室
    摘要
    传统上依赖于收集点样本的环境监测正在经历转型,新技术如遥感、原位传感器和不同规模的各种成像技术。与此同时,环境模拟能力正在迅速发展,可以预测复杂系统中的环境流动和污染物传输,并量化其不确定性。然而,将这些多类型多尺度数据集与模型模拟集成仍然存在重大挑战。特别是,这些数据集通常与感兴趣的变量间接相关,并且具有不同的规模和准确性。由于概念模型中没有捕捉到自然的异质性或精细的过程,仿真结果往往并不完美。高级长期环境监测系统(ALTEMIS)项目旨在通过机器学习(ML)整合这些新技术,建立土壤和地下水长期监测的新范式。本演讲重点介绍了两项新的发展,包括地下水流动和污染物运移模拟。首先,我将讨论一个基于傅立叶神经算子的模拟器,考虑到地下参数和气候强迫的不确定性。该模拟器旨在离线评估未来气候变化对残余污染物的影响。其次,我将介绍一种结合高斯过程模型的贝叶斯层次方法,以集成现场传感器数据、地下水采样数据和集合模拟。它使我们能够将物理(如流动方向和污染物迁移率)融入污染物羽流的时空特征中。最后,我将讨论实际部署的途径,了解环境法规和现场需求,以及推进可部署技术的反馈机制
  • 4:30-下午5:00 EDT公司
    利用大型语言模型进行跨领域的科学机器学习
    11楼演讲厅
    • 扬声器
    • Adar Kahana,布朗大学
    • 会议主席
    • Panos Stinis,太平洋西北国家实验室
    摘要
    大型语言模型(LLM)迅速成为科学研究领域的变革工具,预示着跨学科创新的新时代。我们在麻省理工学院(MIT)的演讲将开始一段关于LLM演变和重要性的旅程,首先简要概述,为理解LLM的影响奠定必要的基础。然后,我们将探讨科学机器学习(SciML)领域中LLM的具体应用,通过研究研究人员为解决复杂的SciML-挑战而采用的实用方法和方法,阐明机器学习技术是如何革命性地推动科学研究的。我们讨论的重点将是模拟在机械工程中的作用,在这里我们将展示一些示例和场景,以突出机器学习所带来的卓越解决方案。这一探索不仅将提供对当前游戏状态的全面洞察,还将为将LLM视为变革的动态代理奠定基础,调查使用这些代理的最新和最伟大的研究文章。然后,我们将通过讨论通用人工智能(General AI,GenAI)及其进一步直接授权SciML应用程序(而不是作为编配器)的新兴潜力,尝试打破“代理”/“助理”的上限。在会议结束时,我们将进入投机领域,思考该行业的未来前景,因为它是由LLM指导研究和开发走向未知的知识和创新领域而形成的。
2024年3月25日
  • 3:30-下午4:00 EDT公司
    咖啡休息时间
    11层协作空间
2024年3月26日
  • 上午11:00-下午12:00 EDT公司
    近端Galerkin方法
    11楼演讲厅
    • 托马斯·苏罗威克(Thomas Surowiec),SIMULA
  • 12:00-下午1:00 EDT公司
    长短期记忆(LSTM)神经网络
    博士后/研究生研讨会-11楼会议室
    • 约翰·卡特,伦斯勒理工学院
  • 3:30-下午4:00 EDT公司
    咖啡休息时间
    11层协作空间
2024年3月27日
  • 3:30-下午4:00 EDT公司
    咖啡休息时间
    11层协作空间
2024年3月28日
  • 3:30-下午4:00 EDT公司
    咖啡休息时间
    11层协作空间
2024年3月29日
  • 9:30-上午10:30 EDT公司
    招聘
    专业发展-11楼演讲厅
  • 3:30-下午4:00 EDT公司
    咖啡休息时间
    11层协作空间
2024年3月30日

目前没有计划于3月30日举行的活动。

所有活动时间均列在罗得岛普罗维登斯ICERM当地时间(东部夏令时/UTC-4).

所有事件时间都列在.

即将推出的计划

非局部性:建模与仿真的挑战
“非局部性:建模与仿真的挑战”图片
算术和几何中的谷类循环
“算术和几何中的谷类循环”图片
随机矩阵及其应用
“随机矩阵及其应用”图片
最优点分布及其相关领域的最新进展
“最佳点分布及相关领域的最新进展”图片

与ICERM连接

ICERM 2023年秋季新闻稿
ICERM 2023年夏季时事通讯
ICERM 2023年春季新闻稿