Les applications scientifiques et techniques telles que le contrôle de systèmes de mouvement de haute précision ou de processus électrochimiques sont souvent construites sur des modèles mathématiques de systèmes dynamiques. doctorat le candidat Dhruv Khandelwal a développé un cadre qui permet aux personnes sans expérience dans la modélisation basée sur les données de développer assez facilement des modèles mathématiques optimisés de ces systèmes dynamiques. Il s'agit d'un outil essentiel qui peut aider les chercheurs de tous horizons à naviguer dans le labyrinthe complexe des technologies de modélisation et de la dynamique des systèmes, et soutenir la production et la valorisation de la recherche axée sur les données. Par exemple, les ingénieurs électriciens gérant la santé du réseau électrique ou les chercheurs étudiant la croissance des cellules cancéreuses. Khandelwal défend son doctorat. thèse le 4 mars.

Générer un modèle optimisé pour vos critères

Les parties difficiles de la création de modèles mathématiques consistent à sélectionner la bonne structure de modèle et à optimiser le modèle pour vos objectifs spécifiques et vos mesures de performance. L'algorithme de Khandelwal tient compte des deux.

Pour aider les utilisateurs à générer des modèles corrects, Khandelwal a développé une « grammaire » pour les modèles dynamiques en utilisant la grammaire adjacente d'arbre (TAG), qui peut explorer les options de modélisation dans une variété de systèmes, structures et complexités. Pour arriver à un modèle optimal pour l'utilisateur, Khandelwal a conçu une approche évolutive, basé sur la définition de Darwin de la sélection naturelle en biologie :"[Le] principe par lequel chaque légère variation, si utile, est préservé. » Le paysage de remise en forme dans lequel les modèles s'affrontent est déterminé par les critères de performance spécifiés par l'utilisateur, et l'algorithme évolutionnaire « fait évoluer » les modèles qui fonctionnent le mieux dans cet environnement.

Aussi bon que des modèles créés par des experts

La méthodologie de modélisation automatisée a été évaluée sur un certain nombre d'études universitaires, applications du monde réel et de référence. Cette évaluation montre que le framework génère avec succès des modèles avec une interaction utilisateur minimale. Dans les cas où l'application modélisée était parfaitement comprise, les modèles générés automatiquement correspondaient à la nature du véritable système. Dans plusieurs études de cas, le modèle proposé par le cadre était aussi bon que les modèles obtenus des techniques de pointe employées par des utilisateurs experts.