PISA

Viele Anwendungen in den Ingenieurs- und Naturwissenschaften beruhen auf der Modellierung komplexer Systeme, etwa in Luft- und Raumfahrt und dem Automobilbau. Hierfür können entweder datengetriebene Methoden des maschinellen Lernens oder die physikalische Modellierung genutzt werden. Beide Ansätze haben ihre eigenen Vor- und Nachteile. Das Projekt PISA (Physics InSpired AI) befasst sich mit der Implementierung neuer Ansätze, die physikalische Grundprinzipien und KI-Modelle integrieren.

Datengetriebene Modellierung nutzt experimentelle oder simulierte Erfahrungswerte mit dem zu modellierenden System und kann kontinuierlich erweitert werden. Der Nachteil eines solchen KI-Modells ist, dass das Modell aufgrund unvollständiger oder verrauschter Daten voreingenommen sein kann. Zudem sind die Modelle in der Regel Black Boxes, also schwer interpretierbar und die Ableitung der im Modell abgeleiteten physikalischen Zusammenhänge und Phänomene ist nur begrenzt möglich. Aus diesem Grund wird dieser Ansatz aktuell nicht für sicherheitskritische Anwendungen verwendet.

In physikalischen Modellen wird das System mit Hilfe von Gleichungen beschrieben, die bekannte physikalische Phänomene darstellen. Damit baut diese Methode im Gegensatz zur datengetriebenen Modellierung direkt auf dem Wissen über die Funktionsweise des Systems auf. Aus diesem Grund werden diese Modelle auch als vertrauenswürdig betrachtet. Der Nachteil der physikalischen Modellierung liegt jedoch in dem rechenintensiven Lösen der Gleichungen.

In PISA werden beide Rechenansätze kombiniert, um interpretierbare aber effiziente Methoden zu entwickeln. Im Rahmen der Entwicklung von Physics Aware AI werden dem Design des KI-Modells physikalischen Grundprinzipien zugrunde gelegt, etwa die Energieerhaltung. Der Bereich Model Fusion beschäftigt sich mit der Verbesserung vereinfachter physikalischer Modelle durch maschinelles Lernen. In beiden Fällen wird die Genauigkeit des Physik-basierten Simulationsmodells mit der Rechengeschwindigkeit des datengetriebenen KI-Modells kombiniert.

Beitrag des Instituts für KI-Sicherheit

Das Institut für KI-Sicherheit arbeitet in PISA unter anderem am Test der Methoden und der Abschätzung von Unsicherheit bzw. Fehlern der Vorhersage, da diese für den Einsatz in sicherheitskritischen Anwendungen essentiell ist. Schlussendlich führen die untersuchten Rechenansätze zur Kombination von klassischer Regelungstechnik und KI, um die Vorteile beider Welten zu nutzen.

Teile unserer Projektergebnisse sind im Softwarepaket SCAN enthalten, das Open Source verfügbar ist. Hier wurden die Methoden insbesondere im Kontext des Reservoir Computings als neuromorpher, physik-inspirierter Ansatz implementiert.