Description du projet
De nouveaux algorithmes automatisent et améliorent l’analyse des images d’objets de taille nanométrique
La microscopie électronique (ME) utilise un faisceau d’électrons plutôt que la lumière visible pour agrandir l’image d’un objet. Cette technologie nous a permis d’étudier des objets de taille nanométrique, apportant une nouvelle perspective sur le monde des spécimens biologiques et non biologiques. La prochaine importante étape à franchir consiste à trouver des moyens d’analyser toutes les informations désormais disponibles d’une manière standardisée, rapide et efficace, en exploitant les informations pertinentes. Les récents progrès de la microscopie en font une nécessité fondamentale. Les données des ME sortent en format numérique, qui se prête logiquement à une analyse informatisée et automatisée. Le projet STARE, financé par l’UE, développe un logiciel qui permet d’analyser ces immenses ensembles de données.
Objectif
In recent years, the analysis of large data sets is becoming increasingly important in the fields of material science and engineering. There is a strong demand for real-time automated identification algorithms in electron microscopy (EM) for the analysis of atomic-structure, phases, and defects. Unfortunately, it is non-trivial to obtain or extract meaningful scientific information from raw EM output digital data. It requires a tedious process of filtering/fitting and the expertise of a seasoned microscopist. With the rapid development of information technology and computer science, automated computer-assisted analysis of electron microscopy images/data is becoming a reality. In the past decade, different techniques have been developed and applied to digital data analysis. Meanwhile, the rapid development of novel microscopy techniques and instrumentation, e.g. in situ/operando and pixelated detector-based techniques, require high-speed data execution and analysis. Currently, several groups worldwide are concentrating their efforts into implementing machine learning and deep learning algorithms for image/data analysis. However, this is still a very undeveloped direction in the field of electron microscopy for materials science, especially in Europe. According to the Digital Transformation Monitor, artificial intelligence-based technologies will play a major role in future economy. The ability to analyse levels of data that are beyond human comprehension will allow business to personalize experiences, customize products and services and identify growth opportunities with a speed and accuracy that has never been possible before. The objective of this PoC is to generate an innovative software package that enables the analysis of large sets of EM data (i) at high throughput with (ii) low costs, in (iii) a standardized approach and (iv) under operando conditions, based on advanced machine learning algorithms.
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 informatique et science de l'information science des données
- sciences naturelles informatique et science de l'information logiciel
- sciences naturelles sciences physiques optique microscopie electron microscopy
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage profond
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.
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-POC-LS - ERC Proof of Concept Lump Sum Pilot
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-2020-PoC
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.
64289 DARMSTADT
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.