Description du projet
Une approche combinée pour améliorer la modélisation des propriétés des matériaux
L’apprentissage automatique améliore la modélisation prédictive des matériaux, en réduisant le temps nécessaire à l’étude de leurs propriétés physiques, chimiques et mécaniques de plusieurs années à quelques mois. Toutefois, les simulations d’apprentissage automatique actuelles ne permettent pas de relever de manière satisfaisante les défis de la modélisation moderne, qui fait intervenir des matériaux complexes dans des conditions réalistes. Une recherche interdisciplinaire portant sur les méthodes d’apprentissage automatique, de mécanique quantique et de mécanique statistique pourrait contribuer à développer le potentiel de l’apprentissage automatique. L’objectif du projet FIAMMA, financé par l’UE, est de créer un cadre «prêt à l’emploi» permettant de combiner de manière homogène l’apprentissage automatique et la modélisation basée sur la physique. L’intégration de ces trois approches devrait étendre considérablement la portée des simulations atomistiques, en permettant de mieux comprendre le rôle des paradigmes inductifs et déductifs dans la théorie et la modélisation.
Objectif
Computer simulations of molecules and materials are undergoing a profound transformation. Machine learning (ML) has become essential to extend the reach and increase the predictive power of atomic-scale modeling. The potential of ML in association with quantum mechanical (QM) and statistical mechanical (SM) methods has been shown, but the link has been rather superficial, due to the complex, interdisciplinary effort needed to combine the three approaches. Without full convergence, ML-powered simulations cannot address modern modeling challenges, which involve complex materials in realistic conditions, and require increasingly predictive accuracy.
The objective of this project is to create a “plug and play” framework by which ML can be seamlessly combined with physics-based modeling, substituting individual steps of a QM calculation, or making direct predictions across complex SM workflows. Full integration of the three approaches will greatly extend the reach of atomistic simulations, and allow an insightful critical comparison of the role of inductive and deductive paradigms in theory and modeling. The development of an open-source software that unifies QM, SM and ML shall facilitate early adoption and broaden impact. We will demonstrate the benefits of our integrated framework through two challenging and compelling platform problems: (i) investigating stabilities and properties of flexible drug-like molecules and assemblies, and (ii) discovering fundamental structure-activity relationships of porous aluminosilicates for clean chemical technologies.
Critical knowledge gaps that will be filled include: (1) the description of long-range physics within the same conceptual framework that has been used for short-range interactions; (2) the symmetry-adapted representation of input and outputs of each step of a QM calculation; and (3) the rigorous characterization of SM ensembles to enable end-to-end predictions of equilibrium properties with uncertainty quantification.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
ERC-COG - Consolidator Grant
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2020-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1015 LAUSANNE
Suisse
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.