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
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Convocatoria de propuestas
(se abrirá en una nueva ventana) HORIZON-MSCA-2022-DN-01
Consulte otros proyectos de esta convocatoriaRégimen de financiación
HORIZON-TMA-MSCA-DN-ID -Coordinador
85764 Neuherberg
Alemania
Ver en el mapa
Participantes (14)
151 85 Sodertaelje
Ver en el mapa
51373 Leverkusen
Ver en el mapa
10785 Berlin
Ver en el mapa
94250 Gentilly
Ver en el mapa
90411 Nurnberg
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
1165 Kobenhavn
Ver en el mapa
67081 Strasbourg
Ver en el mapa
2311 EZ Leiden
Ver en el mapa
20156 Milano
Ver en el mapa
La participación finalizó
28006 Madrid
Ver en el mapa
80333 Muenchen
Ver en el mapa
5612 AE Eindhoven
Ver en el mapa
75230 Paris
Ver en el mapa
08003 Barcelona
Ver en el mapa
Socios (12)
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
6900 Lugano
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
1015 Lausanne
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
08007 Barcelona
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
80803 Munich
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
6900 Lugano
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
20993 Silver Spring
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
20892 Bethesda
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
33150 CENON
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
305606 DAEJEON
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
00121 Helsinki
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
43235 1623 Columbus Oh
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
4058 BASEL
Ver en el mapa