Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

FoRECAST

Financiado

Cerrado

Formalised Reasoning about Expectations Composable Automated Speedy Trustwor...

Formalised Reasoning about Expectations Composable Automated Speedy Trustworthy Automatic Differentiation (AD) systems, like TensorFlow, and probabilistic programming languages (PPLs), like Stan, automate complex computations of derivatives and Bayesian inference tasks. By stream- lining these computations fo... ver más

31/12/2029

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

UNIVERSITEIT UTRECHT No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2024-10-11

ERC-2024-STG: ERC STARTING GRANTS Scope:Objectives

I+D

Cerrada hace 1 año

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

1.50M€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 62 meses Fecha Inicio: 2024-10-11
Fecha Fin: 2029-12-31

Líder del proyecto

UNIVERSITEIT UTRECHT No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Automatic Differentiation (AD) systems, like TensorFlow, and probabilistic programming languages (PPLs), like Stan, automate complex computations of derivatives and Bayesian inference tasks. By stream- lining these computations for non-expert users, these high-level systems have accelerated progress across science and society (e.g. by enabling machine learning). Yet, the theoretical foundations needed to build a high-level system for composable programming with derivatives and probabilities are missing. This chasm in our knowledge severely limits the implementation of machine learning techniques, preventing them from reaching their full potential. Specifically, we do not understand (a) how to perform AD on programs built using probabilistic choices and expected values or (b) how to compose (i.e. combine and integrate) Bayesian inference algorithms. FoRECAST addresses this chasm by developing programming language theory and tools for flexible, composable, and efficient calculations with derivatives and prob- abilities. WP 1 develops case studies in collaboration with domain experts, to ensure that FoRECAST creates theory and systems relevant to real-world, complex modelling problems. WP 2 develops the semantic foundations, algorithms, and formalised correctness proofs for composable AD of probabilistic programs. WP 3 builds a practical stochastic (i.e. probabilistic) AD system that synthesises these novel gradient estimation techniques. WP 4 establishes theoretical foundations to compose Bayesian inference algorithms in PPLs. WP 5 implements a user-friendly PPL that facilitates composable Bayesian inference, enabling more flexible modelling for a wider user base. By mathematically formalising, generalising, optimising, and implementing a next generation PPL, this project will lay a trustworthy foundation upon which probabilistic data analysis applications (e.g. reinforcement learning, proteomics modelling, and paleoclimate reconstructions) can rise to the next level.

Conecta tu I+D

Entra hoy

Forgot your password?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores