Descrizione del progetto DEENESFRITPL Nuovi algoritmi per l’apprendimento automatico del comportamento fisico nello spazio e nel tempo Spesso viene richiesto alle simulazioni numeriche di studiare il comportamento di sistemi, i cui modelli matematici sono troppo complessi per fornire soluzioni analitiche. Nello studio di questo fenomeno, è necessario considerare dimensioni spaziali difficili da calcolare e archiviare in termini di risorse necessarie. Il progetto SpaTe, finanziato dall’UE, si propone di sviluppare nuovi algoritmi per dedurre funzioni spazio-temporali, consentendo inoltre la creazione di rappresentazioni efficienti che, secondo gli sviluppatori, ne addomesticheranno la complessità e l’elevata dimensionalità. Infine, SpaTe consentirà una migliore comprensione del mondo fisico attorno a noi e offrirà applicazioni sostanziali pratiche che spaziano dalle applicazioni dei social media alle automobili a guida autonoma. Mostra l’obiettivo del progetto Nascondi l’obiettivo del progetto Obiettivo Numerical simulations are of tremendous importance for a wide range of scientific disciplines and commercial enterprises. For the majority of these natural phenomena, we not only need to consider the three spatial dimensions, but additionally we need to resolve how these phenomena develop over time. Thus, most natural simulations inherently need to resolve four dimensional functions, and most effects at human scales require fine discretizations along all four axes. As a consequence, these functions require large amounts of resources to compute and store. This problem becomes even more pronounced with the advent of data-driven techniques and machine learning. The learning algorithms effectively add additional dimensions, and the complexity and dimensionality of the corresponding functions explains the current lack of data-driven algorithms for space-time functions despite their enormous potential. Within this research project I plan to address the fundamental difficulties that arise in this setting: I will develop novel algorithms to infer spatio-temporal functions, and to construct efficient representations to tame their complexity and high dimensionality. This project combines numerical simulations with computer vision, and machine learning, and has the potential to radically change the way we work with physical simulations. Not only will it break new ground for fast and controllable VFX animations, but it will additionally facilitate the development of new ways to capture physical effects, in conjunction with algorithms to make physical predictions based on observations. Ultimately, this direction will allow us to better understand the physical world around us. It will help us to analyze sparse and ambiguous measurements such as videos and 3D scans automatically and reliably, with a vast range of practical applications from social-media apps to autonomous vehicles. Campo scientifico ingegneria e tecnologiaingegneria meccanicaingegneria dei veicoliingegneria dell'autoveicoloveicoli autonomiscienze naturaliinformatica e scienze dell'informazioneintelligenza artificialevisione computerizzatascienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automatico Programma(i) H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC) Main Programme Argomento(i) ERC-2019-COG - ERC Consolidator Grant Invito a presentare proposte ERC-2019-COG Vedi altri progetti per questo bando Meccanismo di finanziamento ERC-COG - Consolidator Grant Coordinatore TECHNISCHE UNIVERSITAET MUENCHEN Contribution nette de l'UE € 1 998 750,00 Indirizzo Arcisstrasse 21 80333 Muenchen Germania Mostra sulla mappa Regione Bayern Oberbayern München, Kreisfreie Stadt Tipo di attività Higher or Secondary Education Establishments Collegamenti Contatta l’organizzazione Opens in new window Sito web Opens in new window Partecipazione a programmi di R&I dell'UE Opens in new window Rete di collaborazione HORIZON Opens in new window Altri finanziamenti € 0,00 Beneficiari (1) Classifica in ordine alfabetico Classifica per Contributo netto dell'UE Espandi tutto Riduci tutto TECHNISCHE UNIVERSITAET MUENCHEN Germania Contribution nette de l'UE € 1 998 750,00 Indirizzo Arcisstrasse 21 80333 Muenchen Mostra sulla mappa Regione Bayern Oberbayern München, Kreisfreie Stadt Tipo di attività Higher or Secondary Education Establishments Collegamenti Contatta l’organizzazione Opens in new window Sito web Opens in new window Partecipazione a programmi di R&I dell'UE Opens in new window Rete di collaborazione HORIZON Opens in new window Altri finanziamenti € 0,00
