Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Local Chemical AI: Achieving Transferability and Interpretability in Machine Learning Models through Quantum Theory of Atoms in Molecules.

Description du projet

Apprendre à l’IA à penser comme un chimiste

L’apprentissage automatique révolutionne la chimie, mais peine encore à expliquer le fonctionnement des choses et échoue souvent face à des molécules inconnues. Soutenu par le programme Actions Marie Skłodowska-Curie, le projet LocalChemAI entend résoudre ce problème en associant une IA de pointe à une étude approfondie de la topologie chimique quantique. En décomposant les molécules en parties atomiques et interatomiques locales à l’aide d’une méthode physiquement rigoureuse appelée fragmentation des atomes dans les molécules, le projet apporte interprétabilité et transférabilité aux prédictions des machines. Cela signifie non seulement des résultats précis, mais également compréhensibles, ce qui ouvre de nouvelles portes à la recherche de médicaments, à la science des matériaux et à la conception moléculaire. LocalChemAI développe une IA capable de penser comme un chimiste, et pas uniquement de calculer comme une machine.

Objectif

Despite its remarkable accuracy, Machine Learning (ML) in chemistry faces significant challenges in transferability and interpretability, which limits its effectiveness in broader chemical contexts beyond the training data. I aim to overcome these limitations by leveraging Quantum Chemical Topology (QCT) for a physically rigorous atoms-in-molecules (AIM) fragmentation. This approach allows for the unbiased decomposition of molecular properties into local (atomic and interatomic) contributions. By integrating this precise partitioning with cutting-edge ML techniques, I seek to develop AI systems that not only predict molecular properties with high accuracy but also provide insights into underlying physical principles, resulting in more interpretable and generalizable predictions. The anticipated advancements are expected to benefit fields such as drug design, materials science, and the creation of transferable ML Force Fields (FFs) capable of accurately predicting the behavior of large and complex chemical systems. The project is structured around 4 main work packages (WPs), along with one devoted for data management, career development and dissemination. WP1 will focus on assembling a comprehensive and unbiased database of QCT-AIM properties within the CHONSFCl chemical space, serving as the foundation for model development. WP2 will employ advanced data analysis and pattern recognition techniques to explore relationships between local and global chemical properties, aiding in the refinement of predictive algorithms. WP3 will involve constructing and training predictive algorithms based on local QCT contributions, ensuring their physical accuracy and capability to extrapolate to new chemical contexts. Finally, WP4 will evaluate the applicability of these predictive tools by reconstructing molecular energy landscapes and exploring the inverse design of novel molecules, emphasizing the identification and creation of molecular scaffolds with tailored properties.

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.

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).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

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.

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.

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

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.

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2024-PF-01

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITE DU LUXEMBOURG
Contribution nette de l'UE

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.

€ 200 400,00
Adresse
2 PLACE DE L'UNIVERSITE
4365 ESCH-SUR-ALZETTE
Luxembourg

Voir sur la carte

Région
Luxembourg Luxembourg Luxembourg
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

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.

Aucune donnée

Partenaires (1)

Mon livret 0 0