Branche, teknologi, komponentdistribution

 

Kunstig intelligens forbedrer virtuelle testsFoto: Colourbox

Kunstig intelligens forbedrer virtuelle tests

Livsvigtige værktøjer til test af alt fra pacemakere til nødberedskabsudstyr kan optimeres ved hjælp af maskinlæring. Det viser nye forskningsresultater fra Aalborg Universitet.

Maskinlæring kan forbedre de vigtige digitale værktøjer, som man bruger til virtuel analyse af alt fra trafikstyring og opsendelse af nanosatellitter til funktionen af pacemakere og udvikling af tsunaminødberedskab. Med de forbedrede værktøjer er det nemlig muligt at lave mere nøjagtige analyser af fejl i computermodeller og finde muligheder for at optimere computersystemerne.

Værktøjerne er en vigtig del af computermodellering og kan i yderste konsekvens benyttes til at redde liv, hvis de fanger fejl fx i udviklingen af et tsunaminødberedskab. De kan også hjælpe med at reducere CO2-udledning, hvis de bruges til at forbedre udviklingen af trafiksystemer.


I sin forskning har postdoc Peter Gjøl Jensen fra Institut for Datalogi på Aalborg Universitet optimeret på to værktøjer (Uppaal og Tapaal), så de i dag er hurtigere og mere præcise end nogensinde før. Specifikt har han forbedret maskinlæringsdelen, en slags kunstig intelligens, i værktøjet Uppaal. Her har han udviklet alternativer til neurale netværk i maskinlæringsdelen og udnyttet klassiske statistiske og spilteoretiske teknikker til at give computeren en bedre forståelse for den verden, som den befinder sig i.

- Vi arbejder vi med problemstillinger fra den virkelige verden, og vi laver så præcise computermodeller af de problemstillinger. Efterfølgende skal vi have nogle værktøjer, der ved hjælp af komplekse beregninger kan optimere eller stressteste computermodellerne, og det er de programmer, jeg har forbedret ved hjælp af maskinlæring, forklarer Peter Gjøl Jensen. Han har forbedret de analytiske værktøjer i forbindelse med sin for nylig afsluttede ph.d.-afhandling. 

Det er standard at lave computermodeller af forskellige ting eller situationer for at kunne teste dem til bunds i en virtuel verden. Det kan fx dreje sig om at optimere de computersystemer, der regulerer gulvvarme i et hus, eller stressteste computeren i en pacemaker under forskellige scenarier uden at skulle udsætte hjertepatienters liv for fare. Nogle gange vil man gerne have at vide, hvordan man kan forbedre på den digitale del af et design, mens man andre gange blot vil finde ud af, hvor potentielle fejl ligger, hvis systemet bliver presset.

Når det drejer sig om de virtuelle versioner af den virkelige verden, bliver det ofte til nogle komplekse matematiske størrelser, som derfor også skal bearbejdes af komplekse matematiske værktøjer. Disse værktøjer skal helst være både meget præcise og hurtige.

- Når computerne skal regne på problemstillingerne, skal de gerne kunne finde frem til et resultat både hurtigt og nøjagtigt. Gælder det optimering af det system, som kontrollerer gulvvarmen i et hus, er der måske plads til fejl i computerprogrammet, men gælder det en stresstest af computeren i en pacemaker eller opsendelsen af en satellit, er der ikke plads til fejl, forklarer Peter Gjøl Jensen.

27/6 2019
Produktlinks
Find din leverandør:

Mekanik underleverandør

Test & Måleudstyr

Test laboratorier

Tilføj dit firma
  • ROHM Semiconducter

    ROHM Semiconducter

    En PMIC til NXP’s i.MX 8M Mini applikations-processor
  • Texim

    Texim

    Focus Suppliers Nordic
  • altoo

    altoo

    Nyt om måleteknik. Gratis webinar. Tilbud på demoudstyr
  • altoo

    altoo

    Få mere oscilloskop for pengene. Gratis undervisningsmateriale fra Keysight
  • congatec

    congatec

    Rugged 10 GbE infrastructure equipment