Description du projet
Comprendre et prévoir les données des séries chronologiques
Les séries chronologiques caractérisent une grande diversité de systèmes, du mouvement des protons au taux de change dollar/yen. Pour comprendre, comparer, classer et prévoir les données des séries chronologiques, les gens utilisent généralement des équations différentielles stochastiques, divers modèles de marche aléatoire et des algorithmes d’apprentissage automatique, mais ces méthodes ne permettent pas de répondre à certaines questions fondamentales. Pour surmonter ce problème, le projet NoMaMemo, financé par l’UE, a pour ambition de créer une plateforme générique pour analyser, comprendre, comparer, classer et prévoir des données des séries chronologiques et pour optimiser les systèmes stochastiques. Il proposera une description unifiée des données génériques des séries chronologiques en termes d’équations stochastiques non linéaires integro-différentielles, basées sur des fonctions de mémoire extraites des données. Par son approche, le projet fera progresser la compréhension de nombreux systèmes et processus scientifiques de façon significative.
Objectif
Time series characterize diverse systems, examples in this proposal are: i) Proton motion in an inhomogeneous aqueous environment, ii) folding and unfolding of a peptide described by a suitably chosen reaction coordinate, iii) migration of a living cell on a substrate, iv) US Dollar / Yen exchange rate. Examples i) and ii) are close-to-equilibrium, iii) is a far from equilibrium since energy is constantly dissipated, while example iv) at first sight defies the classification into equilibrium or non-equilibrium.
For the understanding, comparison, classification and forecasting of time series data, stochastic differential equations, diverse random walk models, and more recently, machine-learning algorithms are commonly used. But fundamental questions remain unanswered: Is a unified description of such diverse systems possible? What is the relation between different proposed models? Can the non-equilibrium degree of a time series be estimated?
NoMaMemo provides a unified description of generic time series data in terms of non-linear integro-differential stochastic equations based on memory functions that are extracted from data. NoMaMemo accounts for non-linear and non-equilibrium effects as well as for non-Gaussian noise and connects with fundamental concepts such as equilibrium statistical mechanics, response theory and entropy production. The general formulation contains previously proposed models and thus allows their comparison, forecasting quality will be compared with modern machine-learning algorithms. NoMaMemo creates a generic platform to analyse, understand, compare, classify and predict time series data and to optimize stochastic systems with respect to search efficiency, barrier-crossing speed or other figures of merit. NoMaMemo will significantly advance the understanding of chemical reaction and protein folding kinetics, the interpretation of THz and IR spectroscopy of liquids and the analysis of living matter and socio-economic data.
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 sciences biologiques biochimie biomolécule protéines
- sciences naturelles sciences physiques optique spectroscopie
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.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - 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.
ERC-ADG - Advanced Grant
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-2018-ADG
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.
14195 BERLIN
Allemagne
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.