对于 Priya Donti 来说,儿时去印度旅行不仅仅是一次拜访大家庭的机会。两年一次的旅程激发了她的动力,并继续影响着她的研究和教学。
与她在马萨诸塞州的家相比,Donti——现在是电气工程和计算机科学系 (EECS) 的西尔弗曼家族职业发展教授,是麻省理工学院施瓦茨曼计算和 EECS 学院的共同职位,也是麻省理工学院信息与决策系统实验室 (LIDS) 的首席研究员——对人们生活方式的差异感到震惊。
“我非常清楚不平等问题在世界范围内的严重程度,”唐蒂说。“从很小的时候起,我就知道我绝对想解决这个问题。”
一位高中生物老师进一步激发了这种动机,他的课程重点关注气候和可持续发展。
“我们了解到,气候变化这个巨大而重要的问题会加剧不平等,”唐蒂说。“这件事深深地困扰着我,让我的肚子着火了。”
因此,当唐蒂就读哈维穆德学院时,她认为自己应该将精力集中在化学或材料科学的研究上,以制造下一代太阳能电池板。
然而,这些计划被放弃了。唐蒂“爱上”了计算机科学,然后发现了英国研究人员的工作,他们认为人工智能和机器学习对于帮助将可再生能源整合到电网中至关重要。
“这是我第一次看到这两种兴趣结合在一起,”她说。“我着迷了,从那时起就一直致力于这个主题。”
在卡内基梅隆大学攻读博士学位时,唐蒂能够设计包括计算机科学和公共政策在内的学位。在她的研究中,她探索了对可以大规模管理严重依赖可再生能源的电网的基本算法和工具的需求。
“我想通过创建基于计算机科学的新机器学习技术来参与开发这些算法和工具包,”她说。但我想确保我的工作方式既立足于实际的能源系统领域,又与该领域的人们合作,以提供实际需要的东西。
在唐蒂攻读博士学位期间,她与他人共同创立了一家名为“气候变化人工智能”的非营利组织。她说,她的目标是帮助参与气候和可持续发展的人们——无论他们是计算机科学家、学者、从业者还是政策制定者——聚集在一起并获取资源、联系和教育——以帮助他们走上这一旅程。
“在气候领域,”她说,“你需要气候变化相关领域的专家、不同技术和社会科学工具包的专家、问题负责人、受影响的用户、了解法规的决策者——所有这些——才能产生可扩展的实地影响。”
当 Donti 于 2023 年 9 月来到麻省理工学院时,她被麻省理工学院引导计算机科学应用解决社会最大问题(尤其是当前对地球健康的威胁)的举措所吸引,这并不奇怪。
“我们真正在思考技术在哪些方面可以产生更长远的影响,以及技术、社会和政策如何共同发挥作用,”唐蒂说。“技术不仅仅是一劳永逸的并且可以在一年内货币化。”
她的工作使用深度学习模型来结合电力系统的物理和硬约束,利用可再生能源来更好地预测、优化和控制。
“机器学习已经广泛应用于太阳能预测等领域,这是管理和平衡电网的先决条件,”她说。– 我的重点是,面对一系列随时间变化的可再生能源,如何改进实际平衡电网的算法? –
Donti 的突破之一是为电网运营商提供了一个有前途的解决方案,使其能够优化成本,同时考虑电网的实际物理情况,而不是依赖近似值。虽然该解决方案尚未部署,但它的工作速度似乎比以前的技术快 10 倍,而且成本也低得多,并引起了电网运营商的关注。
她正在开发的另一项技术旨在提供可用于训练机器学习系统以优化电力系统的数据。一般来说,与系统相关的许多数据都是私有的,要么是因为它是专有的,要么是出于安全考虑。唐蒂和她的研究小组正在努力创建综合数据和基准,唐蒂说,这些数据和基准“有助于揭示一些潜在的问题”,从而提高电力系统的效率。
“问题是,”Donti 说,“我们能否让我们的数据集达到足以推动进步的程度?”
由于她的努力,Donti 被授予美国能源部计算科学研究生奖学金和美国国家科学基金会研究生研究奖学金。她被认为是麻省理工科技评论— 2021 年“35 岁以下创新者”名单和 Vox 2023 年“未来完美 50 强”名单。
明年春天,Donti 将与 EECS 助理教授 Sara Beery 和 Abigail Bodner 共同教授一门名为“人工智能促进气候行动”的课程,Sara Beery 是 EECS 助理教授,重点是 AI 用于生物多样性和生态系统;Abigail Bodner 是 EECS 和地球、大气和行星科学系助理教授,重点是 AI 用于气候和地球科学。
“我们都对此感到非常兴奋,”唐蒂说。
来到麻省理工学院后,唐蒂说,“我知道会有一个由真正关心的人组成的生态系统,他们不仅关心出版物和引用次数等成功指标,还关心我们的工作对社会的影响。”