Dhruv Khandelwal, Candidato ao doutorado. Crédito:Universidade de Tecnologia de Eindhoven
Aplicações de ciência e engenharia, como controle de sistemas de movimento de alta precisão ou processos eletroquímicos, são freqüentemente construídas em modelos matemáticos de sistemas dinâmicos. Ph.D. o candidato Dhruv Khandelwal desenvolveu uma estrutura que permite que pessoas sem experiência em modelagem baseada em dados desenvolvam com bastante facilidade e alta qualidade, modelos matemáticos otimizados desses sistemas dinâmicos. Esta é uma ferramenta vital que pode ajudar os pesquisadores de qualquer faixa a navegar no complexo labirinto de tecnologias de modelagem e dinâmica de sistemas, e apoiar a produção e a valorização da pesquisa baseada em dados. Por exemplo, engenheiros elétricos gerenciando a saúde da rede elétrica ou pesquisadores que estudam o crescimento de células cancerosas. Khandelwal defende seu Ph.D. tese em 4 de março.
Gerando um modelo otimizado para seus critérios
A parte difícil da criação de modelos matemáticos é selecionar a estrutura de modelo certa e otimizar o modelo para seus objetivos e métricas de desempenho específicos. O algoritmo de Khandelwal é responsável por ambos.
Para ajudar os usuários a gerar modelos corretos, Khandelwal desenvolveu uma "gramática" para modelos dinâmicos usando Tree Adjoining Grammar (TAG), que pode explorar opções de modelagem em uma variedade de sistemas, estruturas e complexidades. Para chegar a um modelo ideal para o usuário, Khandelwal projetou uma abordagem evolucionária, com base na definição de Darwin de seleção natural em biologia:"[O] princípio pelo qual cada ligeira variação, se útil, é preservado. "O cenário de aptidão em que os modelos competem é determinado pelos critérios de desempenho especificados pelo usuário, e o algoritmo evolucionário "desenvolve" modelos que se saem melhor neste ambiente.
Tão bons quanto os modelos criados por especialistas
A metodologia de modelagem automatizada foi avaliada por uma série de acadêmicos, aplicativos do mundo real e benchmark. Esta avaliação mostra que a estrutura gera modelos com sucesso com o mínimo de interação do usuário. Nos casos em que o aplicativo modelado foi totalmente compreendido, os modelos gerados automaticamente combinam com a natureza do verdadeiro sistema. Em vários estudos de caso, o modelo proposto pelo framework foi tão bom quanto os modelos obtidos com técnicas de ponta empregadas por usuários experientes.