Descripción del proyecto
LA PRESENTE PROPUESTA PARA EUROPA INVESTIGACION 2019 TIENE COMO PRINCIPAL OBJETIVO CONSOLIDAR UNA PROPUESTA EXISTENTE DE INNOVATIVE TRAINING NETWORK (ITN) RELACIONADA CON LA INTELIGENCIA ARTIFICIAL (IA) PARA LAS CONVOCATORIAS DE H2020-MSCA-ITN-ETN PARA LOS AÑOS 2020 Y 2021, ASI COMO SU REFORMULACION PARA LA ELABORACION DE NUEVAS PROPUESTAS PARA CONVOCATORIAS DE H2020 RELEVANTES EN EL CAMPO DE IA, ESPECIALMENTE LEIT-ICT, LEIT-NBMP O FET, BUSCANDO MAXIMIZAR LA PROBABILIDAD DE EXITO, LA PRESENTE PROPUESTA PIDE FINANCIACION PARA (I) CONSTRUIR UN CONSORCIO COMPACTO E INTERDISCIPLINAR, ASI COMO CELEBRAR UNA PRIMERA REUNION PRESENCIAL, (II) REDACTAR UN RESUMEN DE LA POTENCIAL PROPUESTA DE PROYECTO Y POSTERIORMENTE DISCUTIR SU ENCAJE CON EL PROJECT OFFICER ADECUADO, (III) DEFINIR UNA MATRIZ DE RESPONSABILIDAD Y UN CALENDARIO DE ACTUACION PARA LA PROPUESTA, Y FINALMENTE (IV) ESCRIBIR LA PROPUESTA COMPLETA, EN TODO CASO, LAS PREPARACIONES SE BASARIAN EN LA PROPUESTA EXISTENTE GRAIPH QUE SE ENVIO EN LA CONVOCATORIA MSCA-ITN-2019 EL 25/01/2019, EN DICHA PROPUESTA, LA UNIVERSITAT POLITECNICA DE CATALUNYA ES EL COORDINADOR Y LOS SOCIOS ESPAÑOLES CONTARIAN CON UN 38% DE UN PRESUPUESTO QUE ROZA LOS 4 MILLONES DE EUROS,EL PROYECTO ASOCIADO A LA PRESENTE PROPUESTA, GRAIPH, BUSCA SOLUCIONAR UNO DE LOS MAYORES RETOS PENDIENTES DE MACHINE LEARNING (ML), EN LOS ULTIMOS AÑOS, ML SE HA CONVERTIDO EN UN PILAR ESENCIAL DE LA INGENIERIA EN GENERAL GRACIAS A SU CAPACIDAD DE RESOLUCION DE PROBLEMAS COMPLEJOS, NO OBSTANTE, Y AUN SIENDO UNA TECNOLOGIA QUE APLICA VIRTUALMENTE A CUALQUIER CAMPO CIENTIFICO, ES BIEN CONOCIDO QUE NO TODAS LAS ARQUITECTURAS DE REDES NEURONALES FUNCIONAN PARA TODOS LOS PROBLEMAS, TECNICAS COMO LAS REDES NEURONALES CONVOLUCIONALES O RECURRENTES SE CREARON PARA PODER MODELAR RELACIONES ESPACIALES DE LOCALIDAD (PARA IMAGENES, POR EJEMPLO) O SECUENCIALIDAD TEMPORAL (PARA MODELAR EL LENGUAJE, POR EJEMPLO) DE LOS DATOS, SIN EMBARGO, NO HAY TECNICAS SIMILARES QUE FUNCIONEN BIEN PARA EL MODELADO DE DATOS RELACIONALES O ESTRUCTURADOS O, EN OTRAS PALABRAS, EL MODELADO DE GRAFOS, EL PROBLEMA ES QUE LOS GRAFOS SON UNA REPRESENTACION BASICA DE INFORMACION EN MUCHAS CAMPOS CIENTIFICOS E INDUSTRIALES COMO LA NEUROCIENCIA, LA BIOLOGIA DE SISTEMAS O LAS REDES DE COMUNICACIONES, EN GENERAL, ESTOS CAMPOS ESTAN FUNDAMENTALMENTE BASADOS EN REDES Y SISTEMAS COMPLEJOS Y, PARA PODER USAR IA EN DICHOS CAMPOS, HACEN FALTA NUEVAS TECNICAS DE ML QUE PUEDEN APRENDER Y MODELAR GRAFOS,EL ACRONIMO GRAIPH RESPONDE AL TITULO GRAPH ARTIFICIAL INTELLIGENCE FOR BIOLOGICAL AND COMMUNICATION NETWORKS, PROYECTO EN EL QUE BUSCAMOS ABRIR CAMINO PARA LA CREACION UNA NUEVA FAMILIA DE APLICACIONES EN QUE USEN IA APLICADA A GRAFOS, PARA ELLO, EL PROYECTO TIENE COMO OBJETIVOS ESPECIFICOS INTENTAR SOLUCIONAR LOS MAYORES PROBLEMAS ACTUALES DE IA APLICADA A GRAFOS: LA FALTA DE EXPERTOS Y ALGORITMOS EFICIENTES, LA DESCONEXION EXISTENTE ENTRE LA TEORIA Y LAS APLICACIONES, Y LA FALTA DE MATERIALES (BENCHMARKS, DATASETS) PARA QUE LOS INVESTIGADORES PUEDAN FORMARSE O PROBAR NUEVOS ALGORITMOS, PARA ELLO, GRAIPH IMPLEMENTA UN PROGRAMA DE INVESTIGACION Y FORMACION QUE CUBRE TEORIA, TANTO DE IA COMO DE SISTEMAS COMPLEJOS, ASI COMO PRACTICA CON ESPECIAL ATENCION A APLICACIONES EN NEUROCIENCIA, BIOLOGIA DE SISTEMAS, O REDES DE COMUNICACIONES, INTELIGENCIA ARTIFICIAL\MACHINE LEARNING\REDES NEURONALES APLICADAS A GRAFOS\TEORIA DE REDES\REDES DE COMPUTADORES\SISTEMAS COMPLEJOS\NEUROCIENCIA\BIOLOGIA DE SISTEMAS