Descrizione del progetto
Passi in avanti verso un apprendimento automatico affidabile
L’apprendimento automatico (ML, machine learning) è destinato a contribuire ai progressi della decarbonizzazione profonda del settore energetico. La sua capacità di imparare e di fornire soluzioni in ambienti complessi lo colloca in una posizione idonea per trasformare in modo drastico i sistemi di alimentazione. Ciononostante, gli standard comunitari di verifica emergenti richiederanno che sia possibile comprovare l’affidabilità di tutte le tecnologie di ML e di RL (Reinforcement Learning, ovvero apprendimento per rinforzo) utilizzate in applicazioni critiche in termini di sicurezza. Il progetto TRUST-ML, finanziato dall’UE, svilupperà un quadro unificato per la valutazione dell’attendibilità quantitativa dei modelli di reti neurali comunemente utilizzati nei sistemi di alimentazione. TRUST-ML adotterà un nuovo approccio di ottimizzazione convessa per valutare l’affidabilità delle soluzioni di ML in termini di prestazioni, solidità e interpretabilità. Il progetto si propone inoltre di soddisfare le esigenze emergenti degli effettivi sistemi di alimentazione.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/it/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/it/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) HORIZON-MSCA-2021-PF-01
Vedi tutti i progetti finanziati nell’ambito del bandoCoordinatore
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
2800 Kongens Lyngby
Danimarca
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.