Διεθνές βραβείο σε επιστήμονες του Πολυτεχνείου στον τομέα της Τεχνητής Νοημοσύνης - Δείτε τι ανακάλυψαν

Μια σημαντική επιστημονική διάκριση για την ανάπτυξη υβριδικών υπολογιστικών μεθόδων που οδηγούν σε σημαντικές βελτιώσεις της βιομηχανικής παραγωγής και μπορούν να χρησιμοποιηθούν ακόμα και σε τομείς της νευροεπιστήμης, απέσπασε διεπιστημονική ομάδα από το Πανεπιστήμιο του Λουξεμβούργου με τη συμμετοχή υποψήφιων διδακτόρων της σχολής Χημικών Μηχανικών του Εθνικού Μετσόβειου Πολυτεχνείου.

Πρόκειται για το βραβείο «Outstanding Scientific Achievement» του Εθνικού Ταμείου Έρευνας (FNR) του Λουξεμβούργου, την απονομή του οποίου έκανε η υπουργός Ανώτατης Εκπαίδευσης και Ψηφιοποίησης του Λουξεμβούργου, Στεφανί Ομπερτίν.

Επικεφαλής της ομάδας που βραβεύθηκε είναι η Δρ Ελένη Κορωνάκη, ερευνήτρια στο Πανεπιστήμιο του Λουξεμβούργου και μέλος του Εργαστηριακού Διδακτικού Προσωπικού της Σχολής Χημικών Μηχανικών του ΕΜΠ. Στην ομάδα συμμετέχουν, επίσης, οι υποψήφιοι διδάκτορες σε συνεπίβλεψη της Σχολής Χημικών Μηχανικών του ΕΜΠ και του Πανεπιστημίου του Λουξεμβούργου, Πάρις Παπαβασιλείου και Τζέρεμι Λοατσάμιν Σουντάξι (Geremi Loachamin Suntaxi), καθώς και ερευνητές από το Πανεπιστήμιο Johns Hopkins των ΗΠΑ και επιστήμονες της εταιρίας παραγωγής προηγμένων υλικών με έδρα το Λουξεμβούργο Ceratizit.

Η έρευνα της ομάδας εστιάζει σε διεργασίες με μια ενδιαφέρουσα ιδιαιτερότητα. Όπως περιγράφει η επικεφαλής της ομάδας, Ελένη Κορωνάκη, στο ΑΠΕ-ΜΠΕ, οι διεργασίες αυτές «από τη μία είναι δύσκολο να περιγραφούν από μαθηματικά μοντέλα λόγω της πολυπλοκότητάς τους και πολλών άγνωστων παραμέτρων. Από την άλλη, τα δεδομένα που παράγουν έχουν θόρυβο, κενά και προέρχονται από διαφορετικά όργανα μέτρησης. Επίσης, δεν είναι τόσα πολλά, ώστε να εφαρμοστούν απευθείας τεχνικές μηχανικής μάθησης». Προβλήματα και διεργασίες με αυτά τα χαρακτηριστικά είναι πολλά και όχι κατ' αποκλειστικότητα στη βιομηχανία, οπότε τελικός στόχος της ερευνητικής ομάδας είναι «να προτείνουμε λύσεις για τη βελτιστοποίηση και τον έλεγχο των διεργασιών, τη διαφύλαξη της ποιότητας των προϊόντων και τη βιώσιμη ανάπτυξη της βιομηχανικής παραγωγής», συμπληρώνει η κ. Κορωνάκη.

Στην κατεύθυνση αυτή, η ομάδα ανέπτυξε μια υπολογιστική μέθοδο εστιασμένη στη βιομηχανική παραγωγή επιστρώσεων, η οποία βασίζεται σε έναν συνδυασμό μοντέλων που περιγράφουν με μαθηματικές εξισώσεις τους φυσικούς μηχανισμούς μιας διεργασίας και μοντέλων με βάση δεδομένα που προέρχονται από τις βιομηχανικές εφαρμογές. Η έρευνα χρηματοδοτήθηκε από το FNR του Λουξεμβούργου μέσω δύο ερευνητικών προγραμμάτων.

Η βασική διεργασία που μελετήθηκε ήταν η βιομηχανική παραγωγή επιστρώσεων με τη μέθοδο της Χημικής Απόθεσης από Ατμό. Όπως επισημαίνει η κ. Κορωνάκη, «αναπτύχθηκαν εργαλεία πρόβλεψης των ιδιοτήτων των παραγόμενων προϊόντων, που επιπλέον αναγνωρίζουν τους πιο σημαντικούς παράγοντες που επηρεάζουν την παραγωγή και την ποιότητα». Η μέθοδος που παρουσιάστηκε, προσθέτει η ίδια, «οδήγησε στη μείωση του κόστους ελέγχου ποιότητας του τελικού προϊόντος και τη βελτίωση της αποδοτικότητας της διεργασίας».

Κατά την ανάπτυξη της υπολογιστικής μεθόδου, οι ερευνητές συνάντησαν δύο βασικά εμπόδια, όπως περιγράφει στο ΑΠΕ-ΜΠΕ ο υποψήφιος διδάκτορας, Πάρις Παπαβασιλείου. «Το πρώτο ήταν η πολυπλοκότητα της βιομηχανικής διεργασίας Χημικής Απόθεσης από Ατμό, που αποτέλεσε τη βασική διεργασία που μελετήθηκε. Η διεργασία αυτή χρησιμοποιείται ως επί το πλείστον για την παραγωγή λεπτών επιστρώσεων. Η πολυπλοκότητά της προκαλείται από τον μεγάλο αριθμό φυσικών και χημικών φαινομένων που λαμβάνουν χώρα εντός του αντιδραστήρα, αλλά και από τη γεωμετρία του ίδιου του αντιδραστήρα, η οποία μπορεί να αλλάζει ακόμα και σε καθημερινή βάση ανάλογα με τις απαιτήσεις παραγωγής. Όλα αυτά δυσκολεύουν τη δημιουργία ενός μοντέλου ακριβείας της διεργασίας μέσω παραδοσιακών υπολογιστικών μεθόδων». Το πρώτο αυτό εμπόδιο, συνεχίζει ο ίδιος, «μας στρέφει στην επιλογή της χρήσης δεδομένων παραγωγής για την πρόβλεψη των αποτελεσμάτων της διεργασίας. Αυτό μας φέρνει στο δεύτερο εμπόδιο, το οποίο ήταν η φύση των δεδομένων που προέρχονται από τον πραγματικό κόσμο. Τα δεδομένα είναι πολλές φορές "βρώμικα", μπορεί δηλαδή συχνά να είναι ελλιπή ή να περιέχουν ανακρίβειες».

Η μέθοδος που αναπτύχθηκε και διακρίθηκε μπορεί να αξιοποιηθεί και σε τελείως διαφορετικές διεργασίες. Ήδη, η ερευνητική ομάδα έχει εφαρμόσει τη μέθοδο σε δεδομένα που προέρχονται από μοντέλα μεταβολικής λειτουργίας αστροκυττάρων, τα οποία συνδέονται με σοβαρές ασθένειες, όπως η νόσος Αλτσχάιμερ. «Με τη μέθοδο που προτείνουμε, μπορούμε, μεταξύ άλλων, να προβλέψουμε κατά πόσο τα αστροκύτταρα λειτουργούν με υγιή ή μη, τρόπο. Η προσέγγιση που αναπτύξαμε μπορεί επιπλέον να εφαρμοστεί σε διαφορετικούς τομείς, όπως οι ημιαγωγοί, τα υλικά για το διάστημα και την αεροπορία, τα ηλιακά πάνελ, αλλά και στη φαρμακοβιομηχανία», υπογραμμίζει η κ. Κορωνάκη.

Η τεχνητή νοημοσύνη μέσω κυρίως της μηχανικής μάθησης και της επιστήμης δεδομένων, έχει ήδη «μεγάλη και ραγδαία αναπτυσσόμενη διείσδυση στην επιστήμη και στο επάγγελμα των μηχανικών», εξηγεί στο ΑΠΕ-ΜΠΕ ο καθηγητής στη Σχολή Χημικών Μηχανικών του ΕΜΠ, Ανδρέας Μπουντουβής, ο οποίος κάνει μαζί με τον καθηγητή του Πανεπιστημίου του Λουξεμβούργου, Στεφάν Μπορντάς (Stephane Bordas), τη συνεπίβλεψη των διδακτορικών των δύο υποψήφιων διδακτόρων της ομάδας. «Στη χημική μηχανική αποδεικνύεται ήδη ο σημαντικός ρόλος της τεχνητής νοημοσύνης για τη βελτίωση της αποτελεσματικότητας, της απόδοσης, της ασφάλειας και της καινοτομίας. Οι τρέχουσες χρήσεις της εκτείνονται από τη βελτιστοποίηση και τον έλεγχο των διεργασιών μέχρι την ανακάλυψη υλικών και τη διαχείριση της εφοδιαστικής αλυσίδας. Είναι σημαντικό "εργαλείο"-οδηγός σε βιώσιμες λύσεις, αυτόνομες λειτουργίες και πρωτοποριακές προόδους σε τομείς, όπως η πράσινη χημεία και η εξατομικευμένη ιατρική», επισημαίνει ο κ. Μπουντουβής.

«Η μακροπρόθεσμη προοπτική της τεχνητής νοημοσύνης», προσθέτει ο ίδιος, «είναι να φέρει επανάσταση στη χημική βιομηχανία, καθιστώντας την πιο έξυπνη, πιο βιώσιμη και όλο και περισσότερο ανταποκρινόμενη σε παγκόσμιες προκλήσεις, όπως η κλιματική αλλαγή».

Η ερευνητική ομάδα σκοπεύει να συνεχίσει την ανάπτυξη της βραβευμένης μεθόδου. Η επικεφαλής ερευνήτρια, Ελένη Κορωνάκη, τονίζει ότι στο μέλλον «η έμφαση θα δοθεί στη βελτίωση της ακρίβειας των μοντέλων και στη διεύρυνση των εφαρμογών σε διαφορετικούς βιομηχανικούς τομείς, καθώς και στην περαιτέρω ενίσχυση των δυνατοτήτων των ψηφιακών εργαλείων που αναπτύχθηκαν».

Τι σημαίνει, όμως, για την ομάδα αυτή η βράβευση, ρωτάμε τα μέλη της. «Αποτελεί αναγνώριση της καινοτόμου δουλειάς της ομάδας στην επίλυση πολύπλοκων βιομηχανικών προβλημάτων μέσω μιας υβριδικής προσέγγισης που συνθέτει μηχανική μάθηση και μαθηματική μοντελοποίηση. Η βράβευση ενισχύει την αποφασιστικότητα της ομάδας, που υπερβαίνει τα σύνορα μιας μόνο χώρας και τα όρια μιας επιστημονικής ειδικότητας, να συνεχίσει την έρευνα με στόχο την παραγωγή βιώσιμων λύσεων που θα ωφελήσουν διάφορες βιομηχανίες και την κοινωνία», απαντά η κ. Κορωνάκη. Ο κ. Παπαβασιλείου προσθέτει από την πλευρά του, ότι η βράβευση «αποτελεί ένα πολύ καλό παράδειγμα των δυνατοτήτων και των αποτελεσμάτων που προκύπτουν από τις συνεργασίες μεταξύ ποικίλων φορέων, στην περίπτωσή μας του ΕΜΠ, του Πανεπιστημίου του Λουξεμβούργου και της Ceratizit».