Description du projet
Lever les limites de l’apprentissage automatique sur graphes
Les graphes sont essentiels pour représenter des données structurées dans des domaines qui vont de la biologie aux réseaux sociaux en passant par les réseaux électriques. Malgré ses promesses, l’apprentissage automatique sur graphes (GML) est confronté à un défi de taille: l’absence d’une théorie fondamentale. Les réseaux neuronaux graphiques (GNN) actuels reposent sur des algorithmes de passage de messages, qui présentent d’importantes limites théoriques et pratiques. Qui plus est, ils ne tiennent pas compte des diverses caractéristiques des graphes provenant de différents domaines, ce qui induit des résultats peu fiables. Dans ce contexte, le projet MALAGA, financé par le CER, entend développer une théorie révolutionnaire pour le GML. En s’attaquant aux limites des méthodes existantes, MALAGA entend améliorer les performances, la fiabilité et l’adaptabilité des GNN, en se concentrant sur les réseaux biologiques, les réseaux sociaux et les systèmes de recommandation en ligne.
Objectif
In many scientic domains, graphs are the objects of choice to represent structured data: from molecules to social networks, power grids, the internet, and so on. The exploitation of graph data represents a major scientic and industrial challenge. Graph Machine Learning
(GML) is thus a fast-growing eld, with so-called Graph Neural Networks (GNN) at the forefront. However, in sharp contrast with traditional ML, the eld of GML has somewhat jumped from early methods to deep learning, without the decades-long development of well- established notions to compare, analyze and improve algorithms. As a result, 1) GNNs, all based on the so-called message-passing paradigm, have signicant limitations both practical and theoretical, and it is not clear how to address them, and 2) GNNs do not take into account the specicities of graphs coming from domains as dierent as biology or the social sciences. Thus, practical results may vary wildly from one case to the other, with no guidelines on how to design reliable GNNs in each case. Overall, these are the symptoms of an overlooked major issue: GML is hitting a glass ceiling due to its severe lack of a grand, foundational theory.
The ambition of project MALAGA is to develop such a theory. Solving the crucial limitations of the current theory is highly challenging: current mathematical tools cannot analyze the learning capabilities of GML methods in a unied way, existing statistical graph models do
not faithfully represent the many characteristics of modern graph data, computational complexity becomes problematic on large graphs. MALAGA will develop a radically new understanding of GML problems, and of the strengths and limitations of a large panel of algorithms. Our goal is to signicantly boost the performance, reliability and adaptivity of GNNs, with a signicant impact on three types of graph data that exhibit very dierent but representative behaviors: biological networks, social networks, and online recommender systems.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information internet
- ingénierie et technologie ingénierie des materiaux solides amorphes
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2024-STG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
75794 PARIS
France
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.