Auf Top-Konferenz für Künstliche Intelligenz vertreten

Im Rahmen seiner Forschungskooperation gelang es dem Team aus DHBW Mannheim, BASF SE und Imperial College London, die Veröffentlichung "Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces" auf der NeurIPS 2022 (Neural Information Processing Systems) zu positionieren. Dabei handelt es sich um eine der weltweit TOP 3 Konferenzen zum Thema Künstliche Intelligenz. Neben der Präsentation der Ergebnisse auf der hochklassigen, international renommierten Konferenz, werden diese auch im Veröffentlichungsband zur NeurIPS publiziert. Das Preprint kann bereits eingesehen und die entwickelte Open Source Software über Github heruntergeladen werden.

Machine Learning trifft auf Mathematische Optimierung

Neu ist an dem Forschungsansatz die Verbindung der üblicherweise voneinander getrennten Forschungsgebiete Machine Learning und Mathematische Optimierung. Während beim Machine Learning ein System anhand von ausgewerteten Daten lernt, werden bei letzterer Probleme mithilfe von mathematischen Formeln skizziert, verstanden und gelöst. Ursprünglich war die Idee, an der Schnittstelle der beiden Gebiete Tools für die Experimente der BASF SE zu entwickeln und damit die Versuchsplanung in der chemischen Industrie zu optimieren. Nun ist eine Software mit tiefem mathematischem Hintergrund entstanden, die auch auf andere komplexe Sachverhalte angewendet werden kann: Das Modell lernt aus Daten, kann gute Vorhersagen machen und findet dann auf Basis von Mathematischer Optimierung die beste Lösung.

"Coole Kooperation mit Expert*innen aus unterschiedlichen Gebieten"

Für das Projekt haben sich vor einigen Jahren Fachleute aus unterschiedlichen Forschungsgebieten zusammengetan. Bevor Prof. Dr. Nathan Sudermann-Merx seine Informatik-Professur an der DHBW Mannheim im Mai 2021 antrat, arbeitete er als Decision Scientist bei der BASF SE und begann dort die Zusammenarbeit mit dem Imperial College London. Seitdem bringt er sein Know-how rund um Mathematische Optimierung sowie Erfahrungen zu Industrieanwendungen und -fragestellungen ein. "Ich bin froh darüber, dass auch die DHBW Mannheim diese Forschungskooperation unterstützt und wir unsere Arbeit der Forschungscommunity bei der NeurIPS vorstellen durften. Damit haben wir einen wichtigen Meilenstein erreicht. Jetzt sind wir gespannt auf die Ergebnisse, wenn wir zukünftig noch weitere Machine-Learning-Modelle als Surrogatmodelle für den hybriden Ansatz testen werden", freut sich der Co-Autor über die positive Begutachtung der Arbeit und den gemeinsamen Erfolg mit der BASF unter Leitung von Dr. Robert Matthew Lee, Prof. Dr. Ruth Misener und Doktorand Alexander Thebelt vom Imperial College London sowie weiteren Köpfen des internationalen Forschungsteams.