[논문 리뷰] Accelerating Science: A Computing Research Agenda

Vasant Honavar, Mark D. Hill외 1명|arXiv (Cornell University)|2016. 04. 06.

Scientific Computing and Data Management참고 문헌 63인용 수 10

한 줄 요약

이 논문은 자연 과정의 알고리즘적 추상화와 인간 지능을 보완하는 인지 도구를 개발하여 과학적 발견을 가속화하는 변혁적 컴퓨팅 연구 계획을 제안한다. 이는 질문 설정, 실험, 추론, 가설 생성의 폐쇄형 루프 사이클에서 과학자와 협력하는 통합적이고 형식적인 방법 및 AI 기반 도구를 지지하며, 확장 가능한 데이터 기반 과학을 가능하게 한다.

ABSTRACT

The emergence of "big data" offers unprecedented opportunities for not only accelerating scientific advances but also enabling new modes of discovery. Scientific progress in many disciplines is increasingly enabled by our ability to examine natural phenomena through the computational lens, i.e., using algorithmic or information processing abstractions of the underlying processes; and our ability to acquire, share, integrate and analyze disparate types of data. However, there is a huge gap between our ability to acquire, store, and process data and our ability to make effective use of the data to advance discovery. Despite successful automation of routine aspects of data management and analytics, most elements of the scientific process currently require considerable human expertise and effort. Accelerating science to keep pace with the rate of data acquisition and data processing calls for the development of algorithmic or information processing abstractions, coupled with formal methods and tools for modeling and simulation of natural processes as well as major innovations in cognitive tools for scientists, i.e., computational tools that leverage and extend the reach of human intellect, and partner with humans on a broad range of tasks in scientific discovery (e.g., identifying, prioritizing formulating questions, designing, prioritizing and executing experiments designed to answer a chosen question, drawing inferences and evaluating the results, and formulating new questions, in a closed-loop fashion). This calls for concerted research agenda aimed at: Development, analysis, integration, sharing, and simulation of algorithmic or information processing abstractions of natural processes, coupled with formal methods and tools for their analyses and simulation; Innovations in cognitive tools that augment and extend human intellect and partner with humans in all aspects of science.

연구 동기 및 목표

• 데이터 수집 능력과 과학적 발견을 위해 데이터를 효과적으로 활용할 수 있는 능력 사이의 격차를 해소하기 위해.
• 현재 과학 연구에서 수동적이고 전문 지식에 의존하는 프로세스에 기반한 의존도를 극복하기 위해.
• 인간 지능과 계산 도구를 통합하여 자동화된 폐쇄형 과학적 발견을 가능하게 하기 위해.
• 복잡한 자연 과정을 알고리즘적으로 모델링하기 위한 형식적 방법과 시뮬레이션 프레임워크를 개발하기 위해.
• 과학적 과정 전 단계에서 인간 능력을 확장하는 혁신적 인지 도구의 개발을 촉진하기 위해.

제안 방법

• 자연 현상의 알고리즘적 또는 정보 처리 추상화를 설계하여 과학적 과정을 계산적으로 모델링하기 위해.
• 이러한 추상화의 분석 및 시뮬레이션을 위한 형식적 방법과 도구를 통합하여 정확성과 확장성을 보장하기 위해.
• 과학 워크플로우 전반에서 지능적인 파트너로서 기능하는 인지 도구를 개발하여 질문 설정, 실험 설계, 결과 평가를 지원하기 위해.
• 폐쇄형 발견 과정에서 인간과 계산 시스템 간 双방향 상호작용을 가능하게 하기 위해.
• 표준화된 프레임워크를 통해 다양한 분야 간 과학적 추상화, 모델, 도구의 공유와 재사용을 촉진하기 위해.
• AI, 분산 컴퓨팅, 인간-컴퓨터 상호작용 분야의 최신 발전을 활용하여 과학적 추론과 의사결정을 향상시키기 위해.

실험 결과

연구 질문

• RQ1 자연 과정의 알고리즘적 추상화는 어떻게 형식적으로 모델링되고 시뮬레이션되어 과학적 발견을 지원할 수 있는가?
• RQ2 과학적 과정 전 단계에서 과학자와 효과적으로 협력하기 위해 필요한 인지 도구는 무엇인가?
• RQ3 형식적 방법은 과학 연구에서 사용되는 계산 모델의 정확성과 신뢰성을 어떻게 보장할 수 있는가?
• RQ4 인지 도구가 과학자들에게 직관적이고 효과적으로 기능하기 위해 필요한 아키텍처 및 인터페이스 혁신은 무엇인가?
• RQ5 공유 가능하고 재사용 가능한 과학적 추상화와 계산 워크벤치를 통해 다학제적 협업은 어떻게 향상될 수 있는가?

주요 결과

• 논문은 특히 모델링과 인지 도구 분야에서의 계산 혁신을 통해 과학을 가속화하는 기초 연구 계획을 수립한다.
• 정확성과 재현 가능성을 보장하기 위해 과학적 추상화를 검증하고 시뮬레이션하기 위한 형식적 방법의 필수적 필요성을 규명한다.
• 폐쇄형 방식으로 과학자와 협력하는 인지 도구는 수동적 노력의 감소와 발견 주기의 가속화에 중대한 기여를 할 수 있다.
• 복잡하고 개방형 과학적 질문을 해결하기 위해서는 인간 전문 지식과 계산 시스템의 통합이 필수적이다.
• 제안된 계획은 다양한 분야 간 과학 모델과 도구의 상호운용성, 공유, 재사용을 강조한다.
• 백서는 컴퓨팅 커뮤니티 콈소리엄(CCC)이 이 연구 계획을 체계적으로 발전시킬 핵심 주도자로 위치시킨다.