ライル・ノーマン・ロング

ライル・ノーマン・ロング
生まれる	( 1954-04-07 )1954年4月7日（70歳） ミネソタ
職業	学術および計算科学者
学歴
教育	BME、MS、およびD.Sc.
母校	ミネソタ大学 スタンフォード大学 ジョージ・ワシントン大学
論文	音響定式化による回転翼の圧縮性空気力学 (1983)
学術研究
機関	ペンシルベニア州立大学

ライル・ノーマン・ロングは、学者であり計算科学者です。彼はペンシルベニア州立大学の計算科学、数学、工学の名誉教授であり、ニューラルネットワークやロボット工学を含む数学モデルのアルゴリズムとソフトウェアの開発で最もよく知られています。彼の研究は、計算科学、計算神経科学、認知ロボット工学、並列コンピューティング、ソフトウェア工学の分野に焦点を当てています。^[1]

ロング氏は、アメリカ物理学会（APS）とアメリカ航空宇宙学会（AIAA）のフェローです。 ^{[2] 2015年から2018年まで、} IEEE Transactions on Neural Networks and Learning Systems （TNNLS）の副編集長を務めました。また、 Journal of Aerospace Information Systemsの創刊編集長でもあります。^[3]また、ペンシルベニア州立大学の計算科学大学院副専攻プログラムを創設し、指導しました。^[4]

ロングは1976年にミネソタ大学で優秀な成績で機械工学の学士号を取得しました。その後、1978年にスタンフォード大学で航空宇宙工学の理学修士号を取得しました。また、ジョージワシントン大学で理学博士号も取得しています。彼の論文は「音響定式化を使用した回転ブレードの圧縮性空気力学」と題されており、^[5] F.ファラサットとMKマイヤーズの指導の下で完成しました。^[6]

ロングは在職中、1978年から1983年までカリフォルニア州にあるNASAエイムズ研究センターとバージニア州にあるNASAラングレー研究センターで研究助手として勤務した。陸軍研究所、シンキング・マシーンズ社、NASAラングレー研究センターの客員研究員として数多くの役職に就いた。また、 2007年から2008年までカリフォルニア工科大学（Caltech）のゴードン・ムーア特別研究員でもあった。現在はペンシルベニア州立大学の計算科学、数学、工学の名誉教授である。^[2]

ロングは19人の博士課程の学生を指導し、助言してきました。それに加えて、彼はロッキード・カリフォルニア社で上級航空力学エンジニアを務め、1983年から1989年までロッキード・エアロノーティカル・システムズ社で上級研究科学者として任命されました。^[7]

ロングは、ジャーナルや会議論文を含む260以上の出版物を持っています。彼の研究は、応用数学、計算科学のさまざまな側面に焦点を当てており、特に計算流体力学、STEM教育の近代化、人工知能、希薄気体力学、並列コンピューティングに重点を置いています。^{[8]彼は多くの研究調査で、} C++のオブジェクト指向アプローチは、FORTRANプログラミング言語を使用するような時代遅れのアプローチと比較して非常に強力であることを示しました。^[9]

ロングは計算科学、特に計算流体力学と超並列コンピュータの研究に重点を置き、数学モデル方程式を解く効率的なアルゴリズムを開発しました。1989年に、彼は超並列コネクションマシンを使用して3Dおよびナビエ・ストークス方程式を解くことを目的とした解法を説明する研究調査を実施しました。^[10]彼はまた、コネクションマシン、Bhatnagar-Gross-Krook (BGK) モデルを使用してボルツマン方程式を解き、正確な結果が得られました。^[11]これは1993年のゴードン・ベル賞につながりました。 ^[12]その後、彼は気体力学モデルの詳細な評価を発表し、ナビエ・ストークス法と分子シミュレーション方法について説明しました。^[13]

ロングは、E. アルプマンとともに、レイノルズ応力乱流モデルが完全なモデルであることを示し、分離した乱流シミュレーションを調べた。^[14]彼の研究で目立つ計算科学のもう1つの側面は、流れに関連する騒音の予測である。彼は、空力騒音の予測のための新しい効率的な計算航空音響アルゴリズムを開発した。^[15]彼はまた、航空音響の4次元積分方程式を使用して、時間領域で非定常航空力学をシミュレートできることを示した。 [ ¹⁶ ]彼はまた、V. アフージャとともに、並列コンピュータ上で電磁波伝播のマクスウェル方程式を解くアルゴリズムとソフトウェアを開発した。^[17]

移動ロボットの感情モデリングに取り組んでいる間、彼はロボットの気質と感情の計算モデルを開発した。感情と気質の関係が構築されたが、これはロボット認知に関する以前のモデルではしばしば見落とされていた。感情をモデル化した後、彼はモデルに強化効果を実装し、強化子がない場合には感情が標準の安定値に戻るようにした。彼の研究作業から、このモデルは認知アーキテクチャと結合できる可能性があることが実証され、テストされ、陸軍研究所のSS-RICSに組み込まれた。^[18] 2019年に、彼は人工汎用知能（AGI）のレビューを発表し、現在のAGIを、よく知られたアルゴリズムの集積によって策定された専用アプリケーションに焦点を当てた狭義のAIと特徴付け、フレームワークも提案した。^[19]彼は、無人車両用のよりインテリジェントで自律的なシステムの構築に研究の焦点を当て、学生のスコット・D・ハンフォードとともに、移動ロボットナビゲーション用のSOAR認知アーキテクチャに基づく認知ロボットシステムを構築した。認知ロボットシステム（CRS）は、屋外と屋内の両方のナビゲーションミッションでテストされました。屋外の設定では、環境に関する情報が少ない場合でも、Soarエージェントが障害物を回避しながら目的地まで自律的にナビゲートできることが実証されました。Soarエージェントには、障害物を回避するために以前に適用されたアプローチが失敗した場合にアプローチを変更する機能があることが明らかになりました。屋内検索ナビゲーションミッションでは、Soarエージェントは建物内の特定のオブジェクトを見つけるのにも成功しました。この研究調査では、CRSでのSoarの実装が、自律ミッションでの計画、推論、インテリジェントな行動の特徴をどのように示し、人工知能分野にどのような影響を与えるかが強調されました。^[20]彼はまた、哲学的、神経学的、心理学的側面から意識を詳細に分析し、意識ロボットの可能性を研究しました。この研究から、ハイブリッド並列アーキテクチャは、複雑な人間の脳システムに近似するための意識ロボットの形成に適していることが実証されました。^[21]

ロングの研究はニューラルネットワークにも焦点を当てています。彼は、ホジキン・ハクスリー方程式として知られるニューロンモデルを使用して、超並列ニューラルネットワークの効果的なアルゴリズムを開発しました。2012年に実施された研究では、C++とMPIを使用して、人間レベルのサイズのネットワークに効率的にスケールアップしました。他の単純なニューロンモデルでは、生物学的ニューロンを正確にシミュレートできませんでした。^[22]そのことを議論した後、彼はまた、ホジキン・ハクスリーモデル、イジケビッチモデル、リーキー積分発火モデルの3つのニューロンモデルをレビューして、計算コストとニューロンモデルの潜在的な機能を調査しました。リーキー積分発火モデルは、ホジキン・ハクスリーモデルと比較して計算量が少ないが、あまりにも単純すぎることが示唆され、イジケビッチモデルは通常、不安定な時間ステップを使用して解決され、概説された方程式を実際に解くわけではないため、役に立たないことが示唆されました。^[23]

ロングはジェームズ・バーンハルト・アンダーソンとともに分子シミュレーションも研究し、気相化学反応のシミュレーションのための正確な速度式を提示したほか、^[24]モンテカルロシミュレーション法で超高速デトネーションを予測した。^[25]

ロング氏はSTEM教育の改善に取り組んでおり、工学教育の近代化を推奨しています。2019年のIEEE航空宇宙会議で、彼はロシアと中国が最新の近代的な分野で進歩しているのに対し、米国はコンピューティング、人工知能、ソフトウェアシステムをカリキュラムに取り入れるのが遅すぎることを強調した研究論文を発表しました。^[26]また、カリキュラムにはソフトウェアエンジニアリングの認定資格や教育プログラムを増やしてアップグレードする必要があるとも付け加えました。^[27]

• 1987年 - ロッキード・エアロノーティカル・システムズ社、研究開発の卓越性を推進する卓越した個人的貢献に対して賞
• 1993年 – ゴードン・ベル賞、IEEEコンピュータ協会
• 1996年 – ペンシルベニア州立大学工学協会優秀研究賞^[28]
• 2007年 カリフォルニア工科大学（Caltech）ムーア特別研究員^[29]
• 2017年 – AIAA継続サービス賞、アメリカ航空宇宙学会^[30]
• 2017年 – AIAAソフトウェアエンジニアリング賞およびメダル、アメリカ航空宇宙学会（AIAA）^[4]

• LONG, L. (1983 年 7 月)。時間領域での音響定式化を使用したプロペラとローターの空気力学。応用空気力学会議 (p. 1821)。
• Long, LN, & Watts, GA (1987). 空力音響学的アプローチを用いた任意運動空気力学。AIAAジャーナル、25(11)、1442–1448。
• Long, LN, Khan, MMS, & Sharp, HT (1991). 超並列3次元オイラー/ナビエ・ストークス法。AIAAジャーナル、29(5), 657–666。
• Ahuja, V., & Long, LN (1997). 電磁散乱のための並列有限体積ルンゲ・クッタアルゴリズム。計算物理学ジャーナル、137(2)、299–320。
• Özyörük, Y., Long, LN, & Jones, MG (1998). フローインピーダンスチューブの時間領域数値シミュレーション。Journal of Computational Physics, 146(1), 29–57。
• アンダーソン、JB、ロング、LN（2003）。化学反応システムの直接モンテカルロシミュレーション：超高速デトネーションの予測。化学物理学ジャーナル、118（7）、3102–3110。
• Long, LN, & Fritz, TE (2004). 羽ばたき飛行のためのオブジェクト指向非定常渦格子法。Journal of Aircraft, 41(6), 1275–1290。
• Sezer-Uzol, N., & Long, L. (2006 年 1 月)。風力タービンローター流れ場の 3D 時間精度 CFD シミュレーション。第 44 回 AIAA 航空宇宙科学会議および展示会 (p. 394)。
• Hanford, AD, & Long, LN (2009). 地球、火星、タイタンの音響の直接シミュレーション。アメリカ音響学会誌、125(2)、640–650。
• Long, LN, & Kelley, TD (2010). 意識のレビューと意識を持つロボットの可能性。航空宇宙コンピューティング、情報、通信ジャーナル、7(2)、68–84。
• Long, LN (2016)。指数関数的な世界のための進化するカリキュラム。Educause Review、51(2)。
• Long, LN (2016 年 7 月)。ホジキン・ハクスリーニューロンを使用した人間レベルの超並列ニューラルネットワークの実現。国際汎用人工知能会議 (pp. 314–323)。Springer, Cham。
• Long, LN (2018)。ロボットの気質と感情のモデル。J. Chen (編)、ロボットと無人システムのヒューマンファクターの進歩 - ロボットと無人システムのヒューマンファクターに関する国際会議 2017 年 AHFE 2017 議事録 (pp. 3–13)。(インテリジェントシステムとコンピューティングの進歩; 第 595 巻)。Springer Verlag。ロボットの気質と感情のモデル
• Long, LN, & Cotner, CF (2019 年 3 月)。「人工知能のレビューと提案フレームワーク」。2019 IEEE 航空宇宙会議 (pp. 1–10)。IEEE。
• Long, LN, Blanchette, S., Kelley, TD, & Hohnka, M. (2019 年 3 月)。エンジニアリング教育の近代化が極めて重要。2019 IEEE 航空宇宙会議 (pp. 1–9)。IEEE。