Ny teknik ökar noggrannheten och effektiviteten i probabilistisk programmering
Att programmera är en tidskrävande och felbenägen uppgift. Forskare på KTH föreslår en automatiserad teknik som avlastar utvecklare från manuella processer.
KTH-doktoranderna Daniel Lundén, Gizem Çaylak och professor David Broman, tillsammans med Fredrik Ronquist från Naturhistoriska riksmuseet i Stockholm, har hittat ett sätt som förbättrar effektiviteten och noggrannheten av statistisk inferens som tillämpas i probabilistiska programmeringsspråk (PPL).
Inferens syftar till hur man kan dra slutsatser från empiriska data där det finns en osäkerhet på grund av att man har undersökt ett begränsat urval av data. Statistiska inferensproblemförekommer inom många olika forskningsområden.
PPL:er gör det möjligt för användare att koda statistiska inferensproblem och automatiskt tillämpa algoritmer för att lösa dem.
Sparar värdefull tid
Lundén och hans kollegor föreslår en ny teknik som avlastar utvecklare från att behöva kontrollera och samordna processen manuellt. Detta görs idag via så kallade checkpoints. I stället har Lundén och hans kollegor utvecklat en teknik som hittar kontrollpunkter som körs i samma ordning, oavsett program.
– Samordning är en egenskap hos PPL:er som forskare har diskuterat under lång tid, förklarar Lundén.
– Vårt arbete är unikt eftersom vi utvecklar en teknik som automatiskt samordnar probabilistiska program. I tidigare arbete har PPL-användare behövt samordna program manuellt, vilket är omständligt och felbenäget.
Genom att automatisera processen kring checkpoints kan forskare och utvecklare fokusera på de viktigaste delarna av hur man löser inferensproblem och slippa spendera tid på manuell optimering.
Kan användas i flera forskningsområden
Tekniken är särskilt viktig för fylogenetik, studien av evolutionär historia för organismer som till exempel djurarter. I detta arbete blir tekniken avgörande när man fastställer hur ofta arter utvecklas till nya arter och hur ofta arter dör ut.
Men den nya tekniken kan även gynna probabilistisk programmering inom andra forskningsområden, såsom datorseende, ämnesmodellering och kognitionsvetenskap.
Artikeln vann Best Paper Award under European Association for Programming Languages and Systems sin årliga konferens.
Läs artikeln: Automatic Alignment in Higher-Order Probabilistic Programming Languages
Kontakt
Text: Sturle Hauge Simonsen
Relaterade nyheter
Studenter lär sig skapa dataspel i kurs
Vill du lära dig utveckla ett eget dataspel? Eller är du nyfiken på hur marknadsstrategin ser ut i dataspelsbranschen? Kanske vill du hellre kunna skapa grafik? Då är den här kursen något för dig.
Läs artikeln
Ny teknik ökar noggrannheten och effektiviteten i probabilistisk programmering
Att programmera är en tidskrävande och felbenägen uppgift. Forskare på KTH föreslår en automatiserad teknik som avlastar utvecklare från manuella processer.
Läs artikeln