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

Explainable AI for Molecules - AiChemist

Descrizione del progetto

L’intelligenza artificiale per lo sviluppo di sostanze chimiche più sicure

Nell’industria chimica, lo sviluppo di composti richiede un equilibrio tra attività biologica, proprietà fisico-chimiche e minima tossicità. L’apprendimento automatico avanzato è fondamentale per identificare gli impatti ambientali e umani dannosi; ciononostante, i metodi tradizionali basati su questo metodo si limitano a prevedere composti simili ai loro set di addestramento, restringendone il dominio di applicabilità. Gli approcci emergenti di apprendimento della rappresentazione offrono il potenziale per ampliare questo dominio mediante una modellizzazione efficiente delle interazioni molecolari, eguagliando l’accuratezza garantita dai metodi basati sulla fisica in un tempo ridotto. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto AiChemist utilizzerà dati pubblici e interni per migliorare le previsioni delle reazioni chimiche e degli endpoint di tossicità, fornendo inoltre una formazione strutturata al fine di promuovere l’innovazione europea nelle tecniche basate sull’intelligenza artificiale per la chimica.

Obiettivo

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.

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

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

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) HORIZON-MSCA-2022-DN-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
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.

€ 217 116,00
Indirizzo
INGOLSTADTER LANDSTRASSE 1
85764 Neuherberg
Germania

Mostra sulla mappa

Regione
Bayern Oberbayern München, Landkreis
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

Partecipanti (14)

Partner (12)

Il mio fascicolo 0 0