Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Insegnare all’intelligenza artificiale a pensare come un chimico

Sebbene l’apprendimento automatico stia rivoluzionando la chimica, fatica ancora a spiegare le modalità di funzionamento che la caratterizzano e spesso fallisce di fronte a molecole sconosciute. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto LocalChemAI si propone di risolvere questo problema combinando intelligenza artificiale (IA) all’avanguardia con un’immersione profonda nella topologia chimica quantistica. Scomponendo le molecole in parti atomiche e interatomiche locali mediante un metodo rigoroso a livello fisico chiamato frammentazione degli atomi nelle molecole, il progetto porta l’interpretabilità e la trasferibilità alle previsioni automatiche, consentendo di offrire non solo risultati accurati ma anche comprensibili e aprendo nuove porte alla scoperta di farmaci, alla scienza dei materiali e alla progettazione molecolare. LocalChemAI sta creando un’IA in grado non solo di calcolare come una macchina, ma anche di pensare come un chimico.

Obiettivo

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.

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.

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).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

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.

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.

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

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.

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITE DU LUXEMBOURG
Contributo netto dell'UE

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.

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

Mostra sulla mappa

Regione
Luxembourg Luxembourg Luxembourg
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

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.

Nessun dato

Partner (1)

Il mio fascicolo 0 0