Description du projet
L’IA interprétable dans l’espace des phases
L’apprentissage automatique en sciences évolue rapidement des modèles physiques interprétables vers des réseaux neuronaux hautement paramétrés, ce qui soulève des questions sur ce que les données nous apprennent par rapport à la physique sous-jacente. Le projet PhaseShift, financé par le CER, comble cette lacune en développant une base théorique pour un apprentissage automatique scientifique évolutif et interprétable, fondé sur des espaces de phase hamiltoniens et une analyse microlocale. Il conçoit des opérateurs exploitant la localité universelle de l’espace des phases, améliorant ainsi l’efficacité et la stabilité de l’échantillonnage. Il introduit également des modèles de substitution cinétiques dans l’espace des phases qui vont au-delà des approches traditionnelles basées sur les équations aux dérivées partielles. En outre, le projet étudie les interactions d’échelle et les biais inductifs pour l’apprentissage des systèmes physiques et la dynamique des séries temporelles multivariées. Les applications comprennent la tomographie cryoélectronique, la modélisation des signaux sismiques et la prédiction des écoulements granulaires géophysiques, faisant progresser l’imagerie et les sciences de la Terre.
Objectif
Science and engineering have long relied on interpretable, parsimonious models of signals and systems. Today there is a shift to highly-parameterized neural networks trained on massive datasets. This often makes it hard to understand what is taken from physics and what from data, and what mechanisms determine when the methods succeed or fail. There is a need for solid foundations for scalable and interpretable scientific machine learning. A key idea is to work in phase spaces inspired by Hamilton’s and Boltzmann’s formalisms. Phase spaces lift problems into higher-dimensional representations but in return render descriptions of a broad range of phenomena simple and interpretable. They reveal the universal local structure which is key for efficient computation, learning, and interpretability. In PhaseShift, we will: - Develop theory and designs for operators that leverage the universal Hamiltonian structure underlying applications from tomography to fluid flows, as described by microlocal analysis. We will prove that phase-space locality significantly improves sample efficiency and Lipschitz stability over existing networks. - Introduce a new generation of interpretable surrogate models built on discrete kinetic phase spaces, going well beyond PDE-based physics to phenomena like granular flows where classic PDEs do not suffice. We will also adapt kinetic theory principles to model general multivariate time series - Study of the role of scale interactions in both data and physics, and the related inductive biases for learning physics. In parallel, we will apply the developed tools to outstanding challenges in imaging and Earth science: end-to-end learning for cryoelectron tomography to visualize cells at near-atomic resolution, kinetic modeling of multistation seismic signals, and learning the dynamics of geophysical granular flows.
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 naturelles informatique et science de l'information intelligence artificielle apprentissage automatique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
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.1.1 - European Research Council (ERC)
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-ERC - HORIZON ERC Grants
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) ERC-2025-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
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.
4051 Basel
Suisse
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.