IN-DEEP, el nuevo proyecto MSCA Doctoral Network para la formación de estudiantes de doctorado en técnicas de Deep Learning
El proyecto está coordinado por el investigador David Pardo (UPV/EHU) y la coordinación desde BCAM está dirigida por Judit Muñoz Matute, investigadora postdoctoral
El objetivo es potenciar la formación e investigación en nuevas tecnologías de aprendizaje profundo para problemas inversos
El proyecto IN-DEEP (Real-time inversion using self-explainable deep learning driven by expert knowledge), o en su traducción en castellano, Inversión en tiempo real mediante aprendizaje profundo autoexplicativo dirigido por conocimiento experto, ha obtenido la muy competitiva beca MSCA Doctoral Network (DN). El proyecto está dotado con 2,3 millones de euros para poder formar y supervisar a doctorandos altamente cualificados mediante el consorcio de universidades y empresas de diferentes áreas de investigación y sectores que se encuentran en la Unión Europea.
Para la coordinadora del proyecto por parte de BCAM, Judit Muñoz Matute, “como investigadora principal de BCAM en el proyecto, es una oportunidad única (y un desafío) para poder dirigir a mis primeros estudiantes de doctorado y labrarme así una carrera sólida como investigadora senior independiente”, comenta la investigadora postdoctoral de la línea de investigación Mathematical Design, Modellig and Simulation en BCAM.
El principal objetivo del proyecto IN-DEEP es proporcionar una formación de alto nivel a nueve doctorandos en el diseño, implementación y uso de algoritmos explicables de aprendizaje profundo (Deep Learning) basados en el conocimiento para resolver de forma rápida y precisa problemas inversos gobernados por Ecuaciones en Derivadas Parciales (Partial Differential Equations, PDE).
Esta área de investigación ha experimentado un crecimiento en todo el mundo en las últimas décadas. Esto ha sido motivado por los prometedores resultados en muchas aplicaciones. El proyecto, se centrará en problemas reales de alto riesgo derivados de aplicaciones relacionadas con la geofísica, las ciudades inteligentes y la salud. IN-DEEP desarrollará investigación fundamental en universidades e institutos de investigación que será validada y aplicada a casos de uso reales en centros tecnológicos y empresas. “IN-DEEP nos va a dar la oportunidad de formar doctorandos que se conviertan en excelentes investigadores modernos en técnicas de DL para problemas inversos fundamentales para nuestra sociedad, con un perfil muy completo y unas perspectivas de carrera adecuadas tanto en el sector académico como en el no académico”, añade la investigadora Judit Muñoz Matute.
Los problemas inversos en los que los parámetros desconocidos se conectan a mediciones experimentales mediante EDPs abarcan muchas aplicaciones: imágenes médicas del cuerpo humano o evaluación del crecimiento del cáncer, seguridad de infraestructuras civiles como puentes y edificios, y aplicaciones geofísicas ecológicas como el almacenamiento subterráneo de hidrógeno y CO2 o la producción de energía geotérmica.
Este proyecto también supone un reto y es que, a pesar de los prometedores resultados en muchas aplicaciones, el DL para EDPs presenta severas limitaciones en la actualidad. “La más problemática es su falta de una base teórica sólida y de explicabilidad, lo que impide a los usuarios potenciales integrarlas en aplicaciones de alto riesgo. Por ello, es una oportunidad para el consorcio del proyecto generar resultados en la frontera del conocimiento, desarrollando tecnologías de vanguardia desde una perspectiva multidisciplinar e intersectorial”, concluye Muñoz Matute, coordinadora principal de proyecto por parte de BCAM.
El consorcio del proyecto lo forman 7 universidades y centros de investigación europeos; Universidad del País Vasco/ Euskal Herriko Unibertsitatea (España) institución coordinadora, Universidad de Nottingham (Reino Unido), Universidad de Pavia (Italia), Politécnico de Torino (Italia), Escuela Superior de Artes y Oficios (Francia), Universidad AGH (Polonia) y el Centro Vasco de Matemáticas Aplicadas (BCAM) y dos empresas Tecnalia Research & Innovations y Siemens, con áreas de especialización complementarias en matemáticas aplicadas, inteligencia artificial, computación de alto rendimiento y aplicaciones de ingeniería.
