Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

COSMOlogy employing MAchine Learning Techniques and Advanced statistics

Opis projektu

Rozwiązywanie zagadek Wszechświata z pomocą uczenia głębokiego

Współczesna kosmologia stanęła przed poważnymi wyzwaniami, związanymi głównie z tajemniczym „ciemnym sektorem” Wszechświata oraz licznymi rozbieżnościami, takimi jak sprzeczne pomiary stałej Hubble’a. Niestety, te niespójności są wynikiem braków w naszej wiedzy na temat Wszechświata, wskazując na potrzebę nowej fizyki wykraczającej poza obecny model. Przykładowym problemem są lokalne pomiary stałej Hubble’a, które znacznie różnią się od tych, które bazują na wczesnych danych dotyczących kosmicznego mikrofalowego promieniowania tła. Takie nierozwiązane kwestie komplikują nasze zrozumienie rozszerzania się i budowy kosmosu. Mając to na uwadze, zespół finansowanego ze środków UE projektu COSMOMALTA zamierza opracować ramy uczenia się oparte na zaawansowanych metodach statystycznych. Podejście to nie tylko usprawni analizę dużych zbiorów danych z obserwacji, ale umożliwi też niezależny od modelu wgląd w różne teorie kosmologiczne. Dzięki wynikom projektu COSMOMALTA nasz Wszechświat stanie się dla nas bardziej zrozumiały.

Cel

Some of the biggest open problems in modern cosmology are the nature of the cosmic dark sector, the discrepancy between the theoretically predicted versus the observed value of the cosmological constant, and the growing cosmological discordances and tensions between different observational probes. Notably, the Hubble constant, which describes how fast the Universe is expanding when measured locally, has an enormous statistical disagreement with that inferred from the early Cosmic Microwave Background data. These inconsistencies, in turn, necessitate the formulation of new physics beyond the standard cosmological model. Current and ongoing observations, together with upcoming surveys, will produce large volumes of data, whose accumulation and processing will require an upgradation and increase in the sophistication of our statistical tools before applying them to specific problems. Thus, we propose to build a deep learning architecture using advanced statistics in machine learning algorithms like neural networks to be integrated into cosmological community codes for emulated parameter inference. This will help us to select, in a model-independent way, generic features of some cosmological theories that satisfy all observations. Utilising the power of deep learning will be an ideal space to investigate new physics in the observational sector and discriminate between models that are degenerate in terms of current observational approaches, fostering the development of data-driven science as a valuable companion to the model-driven paradigm. The fellowship will contribute to the researcher's career development by acquiring advanced skills in machine learning approaches using Bayesian statistics and developing skills within the cosmological community through a series of events designed to disseminate his results to the broader public. The project will also serve to consolidate and extend the researcher's network of professional contacts within Europe and beyond.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-WIDERA-2023-TALENTS-02

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITA TA MALTA
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 161 411,52
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych
Moja broszura 0 0