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

A Foundation Model for Lattice QCD: Learning to Understand the Standard Model and Beyond

Descrizione del progetto

Modelli migliorati guidano con precisione le ricerche sulla nuova fisica

Le simulazioni su reticolo della cromodinamica quantistica (QCD) sono fondamentali per ottenere previsioni teoriche accurate che guidino gli esperimenti volti a individuare le lacune nel modello standard. Tuttavia, queste simulazioni sono computazionalmente complesse e mancano di precisione. Il progetto FoundLatt, finanziato dal CER, mira ad affrontare questo problema sviluppando il primo modello di base di apprendimento automatico per la QCD su reticolo. Il modello di apprendimento automatico combinerà componenti di modelli generici di grandi dimensioni con metodi di apprendimento automatico specializzati esistenti che accelerano attività specifiche nelle simulazioni QCD su reticolo. Il risultato atteso è un modello «addestrato una volta, utilizzabile per sempre», superiore a quelli attualmente in uso che richiedono un addestramento enorme, continuo e quindi poco pratico, in grado di fornire previsioni altamente accurate per guidare nuovi esperimenti di fisica.

Obiettivo

"Despite describing fundamental physics with spectacular accuracy, the Standard Model of particle physics is known to be incomplete. As experimental programmes probe its boundaries at higher energies and with better precision, it is critical that measurements are faced with fully controlled theory predictions. Lattice simulations of Quantum Chromodynamics (QCD) form a major pillar of this effort. However, even with increasing computing capacity, many lattice QCD calculations will not be possible without new techniques.

FoundLatt aims to solve this challenge by developing the first machine learning (ML) foundation model for lattice QCD. As exemplified by the highly successful ChatGPT, these large, general-purpose models have recently shown great promise in other contexts. Combining methods from these contexts with specialised ML methods that already accelerate specific lattice QCD tasks, I will create a lattice QCD foundation model that performs multiple challenging tasks over a range of physical parameters. The main innovation of this programme is a ""train once, use forever"" methodology, which will involve a centralised investment of effort that supersedes impractical training of non-reusable models.

This objective will be achieved via three complementary work packages (WPs). My team and I will develop and train a foundation model capable of two critical tasks, importance sampling and precise estimation of observables, first for a reduced model of QCD (WP1) and then the full theory of QCD (WP2). We will also develop a method to learn a ""quantum perfect"" action for QCD, then fine-tune the foundation model to accomplish this (WP3). Such an action has zero lattice discretisation artefacts, thereby removing one of the largest sources of systematic uncertainty. The main output of FoundLatt will be an ML model that is shared openly with the lattice QCD community, unlocking state-of-the-art theory predictions for the next generation of new physics searches.
"

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.
La classificazione di questo progetto è stata convalidata da un essere umano.

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-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.

(si apre in una nuova finestra) ERC-2025-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

THE UNIVERSITY OF EDINBURGH
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.

€ 1 491 488,00
Indirizzo
OLD COLLEGE, SOUTH BRIDGE
EH8 9YL Edinburgh
Regno Unito

Mostra sulla mappa

Regione
Scotland Eastern Scotland Edinburgh
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.

€ 1 491 488,00

Beneficiari (1)

Il mio fascicolo 0 0