Opis projektu
Rozwój SI w celu bezpieczniejszego opracowywania substancji chemicznych
W przemyśle chemicznym opracowywanie związków wymaga wyważenia aktywności biologicznej, właściwości fizykochemicznych i minimalnej toksyczności. Zaawansowane uczenie maszynowe jest niezbędne do identyfikacji szkodliwego wpływu na środowisko i ludzi. Jednak tradycyjne metody uczenia maszynowego pozwalają jedynie na przewidywanie związków podobnych do ich zestawów treningowych, co zawęża ich obszar zastosowania. Nowe podejścia oparte na uczeniu reprezentacji oferują potencjał poszerzenia obszaru zastosowania poprzez efektywne modelowanie interakcji molekularnych, dorównując dokładnością metodom opartym na fizyce w ułamku czasu. Wspierany przez program działań „Maria Skłodowska-Curie” projekt AiChemist wykorzysta zarówno dane publiczne, jak i wewnętrzne, aby poprawić przewidywania dotyczące reakcji chemicznych i punktów końcowych toksyczności. Umożliwia także zorganizowane szkolenia w celu wspierania europejskich innowacji w zakresie metod SI na potrzeby chemii.
Cel
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.
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2022-DN-01
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-DN-ID - HORIZON TMA MSCA Doctoral Networks - Industrial DoctoratesKoordynator
85764 Neuherberg
Niemcy
Zobacz na mapie
Uczestnicy (14)
151 85 Sodertaelje
Zobacz na mapie
51373 Leverkusen
Zobacz na mapie
10785 Berlin
Zobacz na mapie
94250 Gentilly
Zobacz na mapie
90411 Nurnberg
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
1165 Kobenhavn
Zobacz na mapie
67081 Strasbourg
Zobacz na mapie
2311 EZ Leiden
Zobacz na mapie
20156 Milano
Zobacz na mapie
Zakończenie uczestnictwa
28006 Madrid
Zobacz na mapie
80333 Muenchen
Zobacz na mapie
5612 AE Eindhoven
Zobacz na mapie
75230 Paris
Zobacz na mapie
08003 Barcelona
Zobacz na mapie
Partnerzy (12)
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
6900 Lugano
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
1015 Lausanne
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
08007 Barcelona
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
80803 Munich
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
6900 Lugano
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
20993 Silver Spring
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
20892 Bethesda
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
33150 CENON
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
305606 DAEJEON
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
00121 Helsinki
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
43235 1623 Columbus Oh
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
4058 BASEL
Zobacz na mapie