Description du projet
Une chimie plus intelligente avec moins de données
Dans le domaine de la chimie, l’apprentissage automatique a révolutionné la manière dont les scientifiques planifient les réactions et conçoivent de nouveaux médicaments, mais uniquement lorsque de grandes quantités de données sont disponibles. Dans le travail de laboratoire quotidien, les ensembles de données sont souvent petits, épars ou incomplets, ce qui limite l’efficacité des outils d’IA actuels. Soutenu par le programme Actions Marie Skłodowska-Curie, le projet LowDataML entend combler cette lacune en formant une nouvelle génération de chercheurs aux méthodes d’apprentissage automatique adaptées au monde réel et aux environnements à faible volume de données. Dix doctorants développeront des approches durables et rentables qui fonctionnent même lorsque les données sont rares, rapprochant ainsi l’IA des réalités de la chimie de synthèse et de la recherche de médicaments. En concentrant ses recherches sur des algorithmes plus intelligents plutôt que sur le simple volume de données, LowDataML espère accélérer les progrès scientifiques tout en réduisant les déchets chimiques.
Objectif
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.
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.
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.
- sciences sociales sociologie relations industrielles automatisation
- sciences naturelles sciences biologiques écologie écosystème
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
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).
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.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
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.
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.
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-DN - HORIZON TMA MSCA Doctoral Networks
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.
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-DN-01
Voir tous les projets financés au titre de cet appelCoordinateur
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.
1649-003 Lisbon
Portugal
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.