Wasserstein FLOW Learning for multi-Omics

Informazioni relative al progetto

WOLF

ID dell’accordo di sovvenzione: 101141361

DOI

10.3030/101141361

Data della firma CE 27 Maggio 2024

Data di avvio 1 Ottobre 2024

Data di completamento 30 Settembre 2029

Finanziato da

• European Research Council (ERC)

Costo totale

€ 2 500 000,00

Contributo UE

€ 2 500 000,00

Coordinato da

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
France

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Risultati finali

Data Management Plan (1)

Data Management Plan

Pubblicazioni

Conference proceedings (6)

Muon Dynamics as a Spectral Wasserstein Flow

Autori: Gabriel Peyré
Pubblicato in: Proc Neurips26, 2026
Editore: Neurips

Token Sample Complexity of Attention

Autori: Léa Bohbot, Cyril Letrouit, Gabriel Peyré and François-Xavier Vialard
Pubblicato in: Proceedings of ICML, 2026
Editore: PMLR
DOI: 10.48550/ARXIV.2512.10656

Transformers are Universal In-context Learners

Autori: Takashi Furuya, Maarten V. de Hoop and Gabriel Peyré
Pubblicato in: Proc ICLR, 2025
Editore: ICLR
DOI: 10.48550/ARXIV.2408.01367

Intrinsic training dynamics of deep neural networks

Autori: Sibylle Marcotte, Gabriel Peyré and Rémi Gribonval
Pubblicato in: Proc ICLR, 2026
Editore: ICLR
DOI: 10.48550/ARXIV.2508.07370

Transformative or Conservative? Conservation laws for ResNets and Transformers

Autori: Sibylle Marcotte, Rémi Gribonval and Gabriel Peyré
Pubblicato in: Proc ICML, 2025
Editore: ICML
DOI: 10.48550/ARXIV.2506.06194

Towards Understanding the Universality of Transformers for Next-Token Prediction

Autori: Michael Sander and Gabriel Peyré
Pubblicato in: Proceedings of ICLR, 2025
Editore: ICLR
DOI: 10.48550/ARXIV.2410.03011