Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Explainable AI for Molecules - AiChemist

Descripción del proyecto

Avance de la inteligencia artificial para lograr un desarrollo químico más seguro

En la industria química, el desarrollo de compuestos requiere equilibrar la actividad biológica, las propiedades fisicoquímicas y una toxicidad mínima. El aprendizaje automático avanzado es fundamental para identificar las repercusiones perjudiciales para el medio ambiente y las personas. Sin embargo, los métodos tradicionales de aprendizaje automático se limitan a predecir compuestos similares a sus conjuntos de entrenamiento, lo que estrecha su dominio de aplicabilidad. Los nuevos métodos de aprendizaje de representaciones ofrecen la posibilidad de ampliar el dominio de aplicabilidad modelizando eficazmente las interacciones moleculares, igualando la precisión de los métodos basados en la física en una fracción del tiempo. El proyecto AiChemist, financiado por las acciones Marie Skłodowska-Curie, utilizará datos públicos e internos para mejorar las predicciones de reacciones químicas y parámetros de toxicidad. También ofrece formación estructurada para fomentar la innovación europea en métodos de inteligencia artificial para la química.

Objetivo

Optimising biological activity and physico-chemical properties, while minimising their toxicity, are objectives when developing new compounds in chemical industries. Advanced machine learning (AI) methods are indispensable to this process. They are also increasingly used in environmental chemistry to identify compounds damaging to the environment and humans. Traditional machine learning (ML) methods provide reliable predictions though only for compounds similar to the training set, thus defining their applicability domain (AD). Emerging representation learning approaches can efficiently approximate the physical interactions of molecules with an accuracy comparable to physics-based methods in only fractions of time. Models based on these representations should have much larger AD due to pre-training on large chemical sets of theoretical values. Here we will develop and benchmark representation learning approaches, addressing their accuracy and ADs, using public and in-house data for endpoints ranging from chemical reactions to toxicity. While explainable AI (XAI) methods are actively developing in the ML community, there is a gap with their use in chemistry, i.e. there is a need to translate their results to the end users, chemists and regulatory bodies. Since the research program is tightly coupled with the target users - large companies, regulatory agencies and SMEs - it provides a clear path for technology transfer from academia to industry. AiChemist will provide structured training to its fellows through a combination of online courses and schools, strengthening European innovation capacity in the education of specialists in AI methods. The fellows will receive comprehensive training in transferable skills. The complementary expertise and strong commitment of the partners make this ambitious innovative research program realistic via the proper allocation of individual tasks and resources, as described below.

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-TMA-MSCA-DN-ID - HORIZON TMA MSCA Doctoral Networks - Industrial Doctorates

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) HORIZON-MSCA-2022-DN-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 217 116,00
Dirección
INGOLSTADTER LANDSTRASSE 1
85764 Neuherberg
Alemania

Ver en el mapa

Región
Bayern Oberbayern München, Landkreis
Tipo de actividad
Research Organisations
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

Sin datos

Participantes (14)

Socios (12)

Mi folleto 0 0