Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Real-time inversion using self-explainable deep learning driven by expert knowledge

Opis projektu

Algorytmy uczenia głębokiego w zakresie problemów odwrotnych

Problemy odwrotne wykorzystują równania różniczkowe cząstkowe do określania zależności między nieznanymi parametrami a danymi eksperymentalnymi. Są stosowane w wielu różnych dziedzinach, w tym do oceny rozwoju nowotworów, dbania o bezpieczeństwo infrastruktury cywilnej czy usprawniania produkcji energii geotermalnej. Podejścia w zakresie uczenia głębokiego dotyczące równań różniczkowych cząstkowych mają jednak pewne ograniczenia, do których należą brak podstaw teoretycznych i możliwości interpretacji, co utrudnia ich wykorzystanie w krytycznych zastosowaniach. Finansowany ze środków działań MSCA projekt IN-DEEP angażuje doktorantów i naukowców w celu zorganizowania szkolenia podyplomowego w zakresie tworzenia, wdrażania i wykorzystywania opartych na wiedzy algorytmów uczenia głębokiego. Algorytmy te mają na celu szybkie i dokładne rozwiązywanie problemów odwrotnych opartych na równaniach różniczkowych cząstkowych. Zespół IN-DEEP dąży do opracowywania zaawansowanych solwerów opartych na uczeniu głębokim i działających na potrzeby równań różniczkowych cząstkowych. Będą one miały istotne znaczenie dla przemysłu, jak i całego społeczeństwa.

Cel

IN-DEEP is a European Doctoral Network composed of nine doctoral candidates (DCs) and top scientists with complementary areas of expertise in applied mathematics, artificial intelligence, high-performance computing, and engineering applications. Its main goal is to provide high-level training to the nine DCs in designing, implementing, and using explainable knowledge-driven Deep Learning (DL) algorithms for rapidly and accurately solving inverse problems governed by partial differential equations (PDEs).

Inverse problems in which the unknown parameters are connected to experimental measurements through PDEs cover from medical applications - like cancer growth assessment - to the safety of civil infrastructures, and green geophysical applications such as geothermal energy production. Their application value is measured in human lives and society's well-being, which goes beyond any quantifiable amount of money. This is why equipping a new generation of specialists with highly-demanded skills for the upcoming transition toward safe and robust AI-based technologies is imperative.

Despite the promising results in many applications, DL for PDEs has severe limitations. The most troublesome is its lack of a solid theoretical background and explainability, which prevents potential users from integrating them into high-risk applications.
IN-DEEP aims to remove these constraints to unleash the full potential of DL algorithms for PDEs. We will achieve this by: (a) focusing on emerging applications of DL for PDEs with immense societal and/or industrial value, (b) designing mathematics-infused advanced solvers to address them efficiently, and (c) involving, from the beginning, industrial and technological agents which can monitor, upscale, and exploit this knowledge. On the way, we shall establish the foundations of a better knowledge exchange ecosystem amongst the main academic and industrial actors within Europe, disseminating the results worldwide.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-TMA-MSCA-DN - HORIZON TMA MSCA Doctoral Networks

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2022-DN-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSIDAD DEL PAIS VASCO/ EUSKAL HERRIKO UNIBERTSITATEA
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 251 971,20
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Uczestnicy (7)

Partnerzy (1)

Moja broszura 0 0