Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

From reconstructions of neuronal circuits to anatomically realistic artificial neural networks

Descrizione del progetto

Reti cerebrali utili per l’intelligenza artificiale

Le reti neurali artificiali racchiudono grandi opportunità e possibilità di progresso per molti settori e servizi, nazioni e organizzazioni, che spaziano da una migliore automazione fino alla facilità d’uso e a una maggiore efficienza. Tuttavia, le reti neurali artificiali necessitano di un addestramento approfondito e di grandi quantità di dati per conseguire anche le più semplici funzioni. Al contrario, le reti neurali biologiche si sono evolute nel cervello per eseguire funzioni estremamente complesse in modo efficiente. Il progetto ConnectomesToANNs, finanziato dal CER, fornirà diversi strumenti computazionali per l’acquisizione dei principi biologici di base dalle ricostruzioni delle reti neurali all’interno del cervello nella progettazione di reti neurali artificiali. Queste reti neurali artificiali «biologiche» miglioreranno le prestazioni delle applicazioni di intelligenza artificiale, riducendo al contempo i requisiti di addestramento e dati.

Obiettivo

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.

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.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

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.

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.

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

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.

(si apre in una nuova finestra) ERC-2022-POC1

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Contributo netto dell'UE

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.

€ 150 000,00
Indirizzo
HOFGARTENSTRASSE 8
80539 MUNCHEN
Germania

Mostra sulla mappa

Regione
Bayern Oberbayern München, Kreisfreie Stadt
Tipo di attività
Research Organisations
Collegamenti
Costo totale

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.

Nessun dato

Beneficiari (1)

Il mio fascicolo 0 0