با حمایت مالی مرکز مطالعات و همکاری‌های علمی بین‌المللی طرح پژوهشی « الگوریتم‌های غیر متمرکز (پردازش موازی) برای یادگیری ماشین، هوش مصنوعی و شبکه های فیزیکی-سایبری» طی قراردادی بین دانشگاه سمنان و این مرکز به سرپرستی آقای دکتر محمدرضا دوست محمدیان انجام شده است.
درپژوهش‌های رو به رشد در حوزه هوش مصنوعی (AI) و سامانه‌های سایبر-فیزیکی (CPS)، نیاز به راهکارهای سریع، کارا، قابل توسعه و مقاوم در سال‌های اخیر افزایش یافته است. روش‌های سنتی متمرکز در یادگیری ماشین، کنترل، بهینه‌سازی و فیلترینگ با محدودیت‌هایی مانند مدیریت داده‌های بزرگ و پیچیدگی سیستم‌های موجود، مانند کاربردهای اینترنت اشیاء (IoT)، مواجه هستند. با توسعه فناوری‌ها و ورود به حوزه‌هایی مانند شهرهای هوشمند، خودروهای خودران، شبکه‌های هوشمند انرژی و محاسبات سبز، اهمیت الگوریتم‌های “توزیع شده” و “غیرمتمرکز” در شکل‌دهی به آینده هوش مصنوعی و سامانه‌های سایبر-فیزیکی از ابعاد مختلفی قابل تبیین است. این الگوریتم‌ها نوید تحولی بنیادی در نحوه فهم، توسعه و به‌کارگیری سیستم‌های هوشمند را می‌دهند.
حجم عظیم داده‌های تولیدی توسط دستگاه‌ها و حسگرهای به هم پیوسته، چارچوب‌های توزیع‌شده برای پردازش و یادگیری را ضروری می‌کند. معماری‌های متمرکز نمی‌توانند تبادل گسترده اطلاعات را به خوبی مدیریت کنند که این موضوع منجر به تأخیر در پردازش و کاهش کیفیت تصمیم‌گیری در زمان واقعی می‌شود. الگوریتم‌های توزیع‌شده با ارائه راه‌حلی غیرمتمرکز و با پردازش موازی، امکان ادغام مدل‌های یادگیری ماشین و فیلترینگ داده‌ها را در شبکه‌ای از نود‌ها یا عوامل متصل به پلتفرم‌های ابری فراهم می‌آورند که این موضوع باعث پردازش موازی و تسریع در تصمیم‌گیری می‌شود.
این پژوهش با استفاده از تکنیک‌های کوانتیزاسیون در مقیاس لگاریتمی، الگوریتم‌های توزیع‌شده در یادگیری ماشین را توسعه داده و چالش‌های مربوط به کارایی ارتباطی و محدودیت‌های منابع در سامانه‌های سایبر-فیزیکی بزرگ‌مقیاس را برطرف ساخته است. روش پیشنهادی با کاهش بار انتقال داده‌ها بدون افت دقت مدل، مقیاس‌پذیری و پایداری الگوریتم‌های توزیع‌شده را بهبود بخشیده است. در نهایت، این تحقیق نشان می‌دهد که الگوریتم‌های توزیع‌شده با کوانتیزاسیون لگاریتمی در مقایسه با کوانتیزاسیون یکنواخت (خطی) می‌توانند تصمیم‌گیری‌های بلادرنگ و تحمل خطا را در سامانه‌های هوشمند مبتنی بر یادگیری ماشین و اینترنت اشیا به صورت قابل توجهی ارتقاء دهند و مسیر را برای توسعه سیستم‌های هوشمند کارآمد و مقاوم هموار کنند.
کلیپ این دستاورد در لینک زیر قابل مشاهده است.
