Objectif
The number of storks and newborn babies in a country are correlated, but neither causes the other. Uncovering which correlations signal an underlying causal relationship is a fundamental step in science, requiring the analysis of ever increasing amounts of raw, high-dimensional, temporal data. This creates an urgent need for computational aids by machine learning systems. Unfortunately, off-the-shelf models fail to draw causal conclusions, as they make predictions only using correlations. Even in well-designed experiments, the correlations they detect can be spurious, leading to mistakes and hallucinations that systematically affect conclusions when fed into causal reasoning pipelines.
My research project, Causal-AIM, tackles the challenge of turning pre-trained foundation models into scalable data-driven measurement devices for scientific experiments. My core hypothesis is that foundation models can be post-trained with suitable causal principles to become causally valid by design: capitalizing on the thriving ecosystem of open-source models, we build AI systems that yield causal rather than merely correlational interpretations.
To detect and quantify causality, thereby supporting scientists in their analysis workflow of experimental data, I propose methodologies for: (1) static, high-dimensional, raw data; (2) structured temporal data; and (3) generalization to new experiments without further training. These capabilities are integrated to support correct causal inference on temporal, multi-modal datasets arising from new scientific experiments. Alongside, I will release the first real-world benchmark for causal inference from high-dimensional data across scientific disciplines. Overall, Causal-AIM addresses key challenges in using AI models to support causal inferences, and its results will serve as a basis for groundbreaking interdisciplinary applications, including research on neurodevelopmental diseases, ecology, virtual cells, and extreme climate events.
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 médicales et de la santé sciences de la santé maladie infectieuse virus à ARN VIH
- sciences naturelles sciences biologiques écologie écosystème
- 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-2026-STG
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.
3400 Klosterneuburg
Autriche
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.