Description du projet
Combiner théorie et expérience permet de maintenir les algorithmes de diffusion dans la bonne direction
Imaginez une boule de billard frappée lors du premier coup d’une partie, se déplaçant avec une énergie cinétique importante vers le reste des boules, serrées les unes contre les autres en attendant leur sort. Ces boules se dispersent au moment de l’impact d’une manière facilement prévisible compte tenu de tous les paramètres physiques du système, tels que les masses, les coefficients de friction et les vecteurs de vitesse. La dispersion des ondes énergétiques dans d’autres situations, en raison des imperfections inhérentes au milieu de transmission, peut s’avérer beaucoup plus compliquée; des prévisions précises s’avèrent néanmoins essentielles pour les tâches à effectuer dans différents domaines allant de la biomédecine à la sismologie. Le projet SWING, financé par l’UE, prévoit de renforcer la puissance des algorithmes de calcul de la diffusion en combinant des approches théoriques et des approches fondées sur les données (apprentissage profond), tout en définissant les limites de chaque approche.
Objectif
Scattering of waves governs fundamental questions in science, from imaging molecules to fine-tuning concert hall acoustics. Efficient scattering computations rely on sparse representations of wavefields. Spurred by the empirical successes of deep learning, the emphasis has recently shifted to data-driven modeling. However, unlike signal-theoretic implementations that come with sharp approximation guarantees, it remains unclear whether the popular deep learning structures can represent important scattering operators.
In SWING, we address this question by leveraging advances in signal processing and machine learning. We propose theory and algorithms for the upcoming, learning-based wave of breakthroughs in forward and inverse scattering. SWING is built on three research thrusts:
1. To design efficient computational structures with approximation guarantees for learning scattering operators. We will focus on minimal structures for Fourier integral operators which model key problems.
2. To treat learning for inverse scattering as a sampling problem and derive practical sample complexity results. We will explore connections between learning theory and stability of inverse problems, and examine the regularization roles of data, physics and nonlinearity.
3. To apply our techniques to two classes of inverse problems: (i) emerging modalities in molecular imaging, giving rise to problems in geometry and unlabeled sampling; and (ii) seismic tomography of Earth and Mars, with data-driven discretizations of scattering operators playing a central role.
With the growth of wave-based sensing, there is an urgency to quantify the limits of the data-driven paradigm in scattering problems. The power of data in fitting models is indisputable: it is certainly the next frontier. We believe, however, that the best designs combine data-based models with an understanding of the underlying physics.
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 physiques acoustique
- sciences naturelles mathématiques mathématiques pures géométrie
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-STG - Starting 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-2019-STG
Voir tous les projets financés au titre de cet appel