Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

From reconstructions of neuronal circuits to anatomically realistic artificial neural networks

Description du projet

Des réseaux cérébraux utiles pour l’intelligence artificielle

Les réseaux neuronaux artificiels (RNA) offrent de grandes possibilités de progrès pour de nombreux secteurs, services, nations et organisations, qu’il s’agisse d’une meilleure automatisation, d’une plus grande facilité d'utilisation ou d'une efficacité accrue. Les RNA nécessitent toutefois un entraînement intensif et de grandes quantités de données, même pour accomplir les fonctions les plus simples. À l’inverse, les réseaux neuronaux biologiques ont évolué dans le cerveau pour remplir efficacement des fonctions très complexes. Le projet ConnectomesToANNs, financé par le CER, proposera plusieurs outils informatiques permettant de capturer les principes biologiques de base des reconstructions de réseaux neuronaux dans le cerveau pour concevoir des RNA. Ces RNA «biologiques» amélioreront les performances des applications d’intelligence artificielle, tout en réduisant leurs besoins en termes d’entraînement et de données.

Objectif

Artificial neural networks (ANNs) have found applications in a wide variety of real-world problems. Despite this tremendous success, artificial intelligence systems still face major challenges due to their reliance on extensive training and large datasets. Recent reports indicate that the architecture of ANNs could be a prime target for reducing their training and data requirements.

We hypothesize that such architectural features can be identified from neuronal networks in the brain, which have evolved to efficiently perform highly specialized functions. Recent advances in electron microscopy will soon provide detailed reconstructions of large-scale neuronal networks from different brain areas, species, developmental stages and/or pathological conditions. However, even if such data become available, directly transforming neuronal network reconstructions into ANNs will raise problems of interpretability, due to their enormous complexity, and generalizability, due to high inter-individual variability.

Here, we will resolve these challenges by implementing a set of computational approaches that allow the extraction of rules that explain the wiring properties underlying dense connectomics data, the transfer of these anatomical principles into the design of ANN architectures, and the evaluation of how these principles impact performance on a battery of deep learning tasks. This unique methodology will lay the foundation for groundbreaking insights into how different network architectures facilitate specific brain functions, and also how the underlying anatomical principles can inform the development of more effective and efficient artificial intelligence systems.

Our methodology will be publicly accessible online to scientists, but also to companies and non-profit organizations that seek to improve the performance or reduce training data requirements for applications of deep 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.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

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.

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.

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

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.

(s’ouvre dans une nouvelle fenêtre) ERC-2022-POC1

Voir tous les projets financés au titre de cet appel

Institution d’accueil

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Contribution nette de l'UE

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.

€ 150 000,00
Coût total

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.

Aucune donnée

Bénéficiaires (1)

Mon livret 0 0