Description du projet
Les étapes vers un apprentissage automatique digne de confiance
L’apprentissage automatique (AA) est en passe de contribuer à la décarbonisation profonde du secteur de l’énergie. Fort de sa capacité à apprendre dans des environnements complexes et à fournir des solutions, l’AT est à même de transformer radicalement les systèmes électriques. Toutefois, les nouvelles normes de vérification de l’UE exigeront que toutes les applications d’AT et d’apprentissage par renforcement (AR) utilisées dans les applications critiques pour la sécurité soient dignes de confiance. Le projet TRUST-ML, financé par l’UE, vise à développer un cadre unifié d’évaluation de la fiabilité quantitative des modèles de réseaux neuronaux couramment utilisés dans les systèmes électriques. TRUST-ML utilisera une nouvelle approche d’optimisation convexe pour évaluer la fiabilité de l’AT en termes de performance, de robustesse et d’interprétabilité. Il est également conçu pour répondre aux besoins émergents des réseaux électriques actuels.
Objectif
Deep decarbonization of the energy sector will require massive penetration of stochastic renewable energy resources and an enormous amount of grid asset coordination; this represents a challenging paradigm for power system operators. With its ability to learn in complex environments and provide predictive solutions on fast timescales, machine learning (ML) is posed to help overcome these challenges and dramatically transform power systems in coming decades. Emerging EU verification standards, however, will require that all ML and Reinforcement Learning (RL) used in safety critical applications be demonstrably trustworthy. In this project, we develop a unified framework, known as Trust-ML, for assessing the quantitative trustworthiness of the neural network models commonly used in power systems. Trust-ML uses a novel, convex optimization approach to assess ML trustworthiness across three key dimensions: performance, robustness, and interpretability. The approach is engineered to be scalable, and by design, it generates exact verification guarantees. Furthermore, Trust-ML is designed to meet the emerging needs of actual power systems. In particular, it can verify the performance of multi-agent RL systems in rigorous ways, and its relaxed counterpart can offer tractable, worst-case performance guarantees in the context of online learning. The resulting verification tools will be published as open-source software packages and shared widely with researchers and industry. This project will advance state-of-the-art methods across several interdisciplinary fields, it will help remove the barriers associated with machine learning deployment in power systems, and its outcomes will help push European power grids into competitive spaces. Coming from MIT with advanced training in power systems, the project PI, Samuel Chevalier, is characteristically well-suited to build Trust-ML, and his team of advisors represents a mixture of experts across power, optimization, and learning.
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.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
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.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
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) HORIZON-MSCA-2021-PF-01
Voir tous les projets financés au titre de cet appelCoordinateur
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.
2800 KONGENS LYNGBY
Danemark
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.