Obiettivo
This project proposes to use modern Machine Learning (ML), particularly Deep Learning (DL), as a breakthrough solution to address the scientific, technological, and financial challenges that High Energy Physics (HEP) will face in the decade ahead. The quest for new physics is increasing the complexity of the experiments and, consequently, the human and financial costs to operate these detectors, with experiments facing at best flat budgets. ML offers a way out of this impasse. With the development of DL, ML has successfully addressed tasks such as image recognition and text understanding, which eventually opened the way to automatizing complex tasks. These progresses have the potential to revolutionize HEP experimental techniques. We propose to apply cutting-edge ML technologies to HEP problems, paving the way to self-operating detectors, capable of visually inspecting events and identifying the physics process generating them, while monitoring the goodness of the data, the correct functioning of the detector components and, if any, the occurrence of anomalous events caused by unspecified new physics processes. We structure the work in a set of working packages, representing intermediate steps towards this final goal. We propose to apply ML to data taking, event identification, data-taking monitoring, and event reconstruction as intermediate steps toward using these techniques for unsupervised physics searches. The project resources will by used to create a team of computer scientists, who will carry on a systematic R&D program to apply cutting-edge ML technology to HEP: reinforced learning, generative models, event indexing, data mining, anomaly and outliers detection, etc. Being hosted at CERN, the project will benefit from existing computing infrastructures, large datasets availability, the presence of local experts of each aspect of HEP, and established collaborations with private companies on hardware and software R&D.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
- scienze naturali scienze fisiche fisica teoretica fisica delle particelle
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale visione computerizzata riconoscimento dell’immagine
- scienze naturali informatica e scienze dell'informazione scienza dei dati estrazione di dati
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale intelligenza artificiale generativa
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale apprendimento automatico apprendimento profondo
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
ERC-COG - Consolidator Grant
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2017-COG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
1211 GENEVE 23
Svizzera
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.