Descrizione del progetto
Un nuovo quadro di meta-apprendimento per descrivere le interazioni atomiche
I potenziali interatomici basati sull’apprendimento automatico (MLIP, Machine-Learning Interatomic Potentials) sono strumenti potenti che sfruttano l’intelligenza artificiale per simulare materiali con precisione quantistica, consentendo ai ricercatori di prevederne le proprietà. Nonostante le loro potenzialità, la complessità della creazione e dell'ottimizzazione degli MLIP ne ha limitato l’uso diffuso. Il progetto META-LEARN, finanziato dal CER, introdurrà un quadro di meta-apprendimento che, secondo le attese, contribuirà a semplificare e migliorare ulteriormente lo sviluppo di MLIP. Un’innovazione fondamentale sarà MLIP-COPILOT, uno strumento basato sull’intelligenza artificiale che fornisce raccomandazioni personalizzate per algoritmi, set di dati e metodi di addestramento. Rendendo i MLIP più efficienti e accessibili, META-LEARN darà vita a nuove possibilità per la progettazione di materiali sostenibili, aiutando al contempo i ricercatori nell’affrontare complesse sfide legate ai materiali.
Obiettivo
Materials engineers have dreamed for decades of optimizing materials starting from the quantum mechanical laws of nature. Mastering the inherent chemical and microstructural complexity promises access to outstanding properties of structural and functional materials. Machine-learning interatomic potentials (MLIPs) ignited hope by offering quantum-mechanical accuracy for systems with many atoms. However, the full capacity of MLIPs remains untapped due to the complexity of the MLIP construction process and the required simulations.
META-LEARN will cut the MLIP Gordian knot and raise MLIP construction to the next level. Our vision is a meta-learning framework that unleashes the full strength of MLIPs for large-scale simulations to a broad community. We will meta-learn the optimal MLIP-construction processes by acquiring and exploiting domain-expert knowledge from various branches of advanced ab initio and large-scale simulations.
META-LEARN leverages a comprehensive pool of algorithms to ensure an optimal, task-oriented accuracy-efficiency trade-off. MLIPs that account for magnetic and electronic excitations will broaden the materials spectrum. MLIP-based sampling will boost the efficiency of thermodynamic predictions. Deciphering the microstructure genome will provide the optimal training for large-scale defects. Sustainability challenges will be tackled at the limit of chemical and microstructural complexity: Multicomponent H-storage and coating materials.
META-LEARN will encode the knowledge of the MLIP construction and make it openly available via the MLIP-COPILOT, a knowledge-graph-based artificial intelligence tool. The MLIP-COPILOT will provide the optimal combinations of MLIP algorithms, hyperparameters, training datasets, and training sequences for different materials and simulation tasks. The MLIP-COPILOT will remain flexibly extensible for the community beyond the project’s scope, allowing for the addition of new types of simulations, materials, and MLIPs.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
- ingegneria e tecnologia ingegneria dei materiali rivestimenti e pellicole
- scienze naturali scienze biologiche genetica genomi
- scienze sociali legge
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
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.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
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.
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.
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-ERC - HORIZON ERC Grants
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.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2024-ADG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
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.
70174 Stuttgart
Germania
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.