Descripción del proyecto
Simplificar la complejidad del aprendizaje automático
Los modelos de aprendizaje automático son cada vez más complejos y están favoreciendo avances en la sanidad, las finanzas y la climatología. No obstante, los modelos actuales consumen muchos recursos, no todo el mundo puede acceder a ellos y sus resultados son difíciles de interpretar. Todos estos factores limitan su potencial. En el proyecto BeME, financiado por el Consejo Europeo de Investigación, se desarrollarán modelos más sencillos y eficientes, que sigan siendo potentes pero fáciles de entender. Los investigadores emplearán técnicas de física estadística, sistemas desordenados y física computacional para crear herramientas capaces de descubrir patrones en los datos, funcionar bien incluso con información limitada y reducir los costes de entrenamiento. Sus aplicaciones en neurociencia, bioinformática y modelización de la turbulencia demostrarán el potencial práctico de estas innovaciones. La investigación propuesta podría redefinir el futuro del aprendizaje automático, para que sea más accesible y eficiente a la hora de abordar una mayor número de cuestiones.
Objetivo
Machine learning is revolutionizing science and society, enabling transformative breakthroughs such as predicting protein structures, simulating many body quantum systems, and redefining entire fields like healthcare, finance, or climate modeling. Yet, this rapid progress comes at a cost: the unprecedented scale and complexity of state-of-the-art models make them resource-intensive, inaccessible, and often opaque. These challenges limit their potential, hindering our ability to understand, optimize, and deploy them responsibly. To unlock the full power of machine learning, we must reimagine its foundations.
This project challenges the 'bigger is better' paradigm in machine learning by proposing an alternative: the development of simpler, more efficient generative models that can handle the complexity of the real world while remaining analytically interpretable. Using techniques from statistical physics, disordered systems and computational physics, the project aims to uncover how these models encode patterns, address learning challenges and reduce training costs without sacrificing performance or expressiveness. Crucially, these models will be designed to extract meaningful insights from general-purpose data sets, perform reliably in data-scarce scenarios and accelerate simulations in complex systems.
By developing a new generation of inference algorithms and showcasing their effectiveness through three proof-of-concept applications in neuroscience, bioinformatics, and turbulence modeling, this research aims to significantly expand the toolbox for data-driven discovery. Beyond tackling practical challenges, it seeks to advance our fundamental understanding of unsupervised learning mechanisms while prioritizing sustainability, transparency, and inclusivity. This project reimagines machine learning as a responsible and accessible tool to drive scientific and societal progress.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo.
La clasificación de este proyecto ha sido validada por personas.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo.
La clasificación de este proyecto ha sido validada por personas.
- ciencias naturales informática y ciencias de la información inteligencia artificial aprendizaje automático aprendizaje no supervisado
- ciencias naturales informática y ciencias de la información inteligencia artificial inteligencia artificial generativa
- ciencias naturales ciencias físicas mecánica clásica mecánica estadística
- ciencias naturales informática y ciencias de la información inteligencia artificial aprendizaje automático aprendizaje profundo
Palabras clave
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Programa(s)
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMA PRINCIPAL
Ver todos los proyectos financiados en el marco de este programa
Tema(s)
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Régimen de financiación
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
HORIZON-ERC - HORIZON ERC Grants
Ver todos los proyectos financiados en el marco de este régimen de financiación
Convocatoria de propuestas
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
(se abrirá en una nueva ventana) ERC-2025-COG
Ver todos los proyectos financiados en el marco de esta convocatoriaInstitución de acogida
Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.
28040 MADRID
España
Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.