Projektbeschreibung
Intelligentere Chemie mit weniger Daten
In der Chemie hat das maschinelle Lernen die Art und Weise der wissenschaftlichen Arbeit beim Planen von Reaktionen und beim Entwurf neuer Wirkstoffe revolutioniert, allerdings nur dann, wenn Massendaten verfügbar sind. Im Laboralltag sind die Datensätze oft klein, spärlich oder unvollständig, was die Wirksamkeit der heutigen Instrumente der künstlichen Intelligenz (KI) einschränkt. Mit der Arbeit des innerhalb der Marie-Skłodowska-Curie-Maßnahmen unterstützten Projekts LowDataML wird das Ziel verfolgt, diese Lücke schließen, indem eine neue Forschungsgeneration in Methoden des maschinellen Lernens ausgebildet wird, die auf reale, datenarme Umgebungen zugeschnitten sind. Zehn Doktorandinnen und Doktoranden werden nachhaltige, kosteneffiziente Ansätze entwickeln, die auch bei knapper Datenlage funktionieren, womit KI näher an die Realität der synthetischen Chemie und der Wirkstoffentdeckung herangeführt wird. Das Team von LowDataML setzt auf intelligentere Algorithmen statt auf reine Datenmengen und hofft, auf diese Weise den wissenschaftlichen Fortschritt beschleunigen und gleichzeitig Chemieabfälle reduzieren zu können.
Ziel
Innovation in the chemical sciences is bound to iInnovation in the chemical sciences is bound to impact on Healthcare and Society. Supported by improved analytical methods and automation, brute force and large-scale experimentation have been playing an important role in generating volumes of chemical and biological data. These data now enable the support to decision making through machine learning/artificial intelligence (ML/AI) algorithms. In doing so, such algorithms help in the design and prioritization of experiments. As a result, we are witnessing a renaissance of ML/AI for accelerating chemistry, as in planning retrosyntheses, predicting reaction products, designing drug leads and materials de novo, and deconvoluting drug targets among others. Despite the chemistry advances leveraged by ML/AI, one can argue that not all research questions and findings benefit from the availability of big data (e.g. some discoveries are serendipitous). Here we argue that the current ML/AI toolkit excels in scenarios (big data) that do not entirely map onto daily practice (low and sparse data, often out of training set distribution). Thus, the scientific potential of ML/AI is not fully realized when state-of-the-art tools are implemented and primed for big data and highly charted search spaces. The disconnect between what is feasible and generally needed is apparent and is impacting our ability to advance the chemical sciences at a faster pace. In LowDataML we propose a suite of intersectional and transdisciplinary research projects that will create a new breed of scientists. Through an extensive training program, we will deliver 10 PhDs to the European R&D ecosystem, who are experts in low data ML with domain knowledge in synthetic organic chemistry and drug discovery. Further, the projects seamlessly integrate together and focus on: i) real world needs; ii) sustainability by minimising cost, time and materials consumption, with special focus on ecofriendly research practices.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
- Sozialwissenschaften Soziologie industrielle Beziehungen Automatisierung
- Naturwissenschaften Biowissenschaften Ökologie Ökosystem
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
HAUPTPROGRAMM
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
HORIZON-TMA-MSCA-DN - HORIZON TMA MSCA Doctoral Networks
Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
(öffnet in neuem Fenster) HORIZON-MSCA-2024-DN-01
Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigenKoordinator
Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.
1649-003 Lisbon
Portugal
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.