Clôture de l’appel à projets ECSEL JU : 5 mai 2020 (project outline)
ECSEL JU lance un nouvel à projets pour 2020. 12 projets seront financés (objectif de taux de succès de 17%) pour un budget de 161 M€. Parmi les 4 sujets ouvert, un appel à projets spécifique est lancé en collaboration avec la JU IMI (Innovative Medicine Initiative).
Challenge 1 mobilité : Perception de l’environnement, prédiction et prise de décision robuste en environnement incertain
Le domaine de la conduite automatisée connectée et de l’automatisation est l’un des sujets brûlants pour les décideurs politiques ; avec une attention particulière pour le transport routier plus sûr et plus efficace.
Les véhicules autonomes généreront et utiliseront une grande variété de données pour analyser en continu leur position géographique ; l’état de la route, l’état du véhicule, le confort et la sécurité des passagers. Pour gérer et utiliser de manière significative toutes ces données ; des systèmes embarqués hautement performants pour la perception de l’environnement et des fonctions de conduite prédictive efficaces sont cruciaux.
L’accent est mis sur le sujet brûlant Mobility.E «Intelligence à bord» axé sur la conception de composants, l’intégration de sous-systèmes et de systèmes pour la perception, la prédiction et la prise de décision robuste en conditions incertaines. Y compris les modèles, les méthodes et les algorithmes ainsi que le deep learning.
Les projets soumis à ECSEL JU peuvent couvrir les sujets suivants :
- Architectures, composants, sous-systèmes améliorés, y compris les modèles, les méthodes et les algorithmes ainsi que le deep learning pour la perception de l’environnement.
- Nouveaux composants, sous-systèmes d’architectures de calcul, y compris des modèles, des méthodes et des algorithmes. Ceci pour une prise de décision efficace dans les fonctions de conduite prédictive. Y compris les systèmes de décision automatisés pour répondre au temps de réaction du conducteur pour une décision plus rapide dans le trafic.
- Méthodes et outils pour valider les modèles.
Challenge 2 industrie : L’intelligence artificielle (IA) pour une fabrication inclusive et résiliente – The Human in the Loop
Les méthodes d’IA sont révolutionnaires dans de nombreux domaines industriels. Mais dans la plupart des cas, leur autonomie est limitée. En particulier lorsque la robustesse et la résilience sont requises dans des environnements de fabrication complexes. La participation des humains aux boucles de contrôle reste nécessaire pour assurer des performances maximales et une adaptabilité au changement. Un problème central de ces systèmes est de savoir comment les humains et les agents de l’IA collaborent lors de situations changeantes et critiques.
Un autre problème pour l’utilisation courante de l’IA dans la fabrication est la difficulté que les algorithmes intelligents ont pour communiquer de manière appropriée les raisons de leurs décisions. Et comment ils aideront à atteindre les objectifs de la mission.
Les projets soumis à ECSEL JU peuvent couvrir les sujets suivants :
- Démonstration d’une valeur ajoutée claire. Qualité et robustesse des processus supérieures, maintenance et temps d’arrêt réduits, flexibilité accrue, consommation réduite des ressources de processus.
- Intégration de l’IA dans des processus d’optimisation tels que la surveillance de l’état, la maintenance prédictive ; l’optimisation (prédictive) des processus (y compris les humains dans le système), la planification prédictive, vers le pronostic, l’auto-x…
- Combinaison de données et d’IA pilotée par les modèles. Utilisation de modèles fonctionnels explicites comme connaissances dans les boucles de contrôle cognitif. Explorer des systèmes basés sur des modèles et pilotés par des modèles pour atténuer les problèmes de confiance dans les systèmes cognitifs conjoints.
- Systèmes interactifs d’apprentissage et de formation basés sur l’IA. Prise de décision autonome / partagée / collaborative.
- Systèmes Socio-CyberPhysiques dans la fabrication. Systèmes où les humains jouent un rôle soit en tant que partie de l’usine ; en tant que partie du contrôleur et / ou en tant que partie de l’environnement.
- Développer et démontrer comment les calculs liés à l’intelligence artificielle sont mis en œuvre dans les architectures distribuées ; les architectures modernes à bord intégré / nuage de brouillard, etc. Actifs d’interface utilisateur modulaires et réutilisables pour la surveillance et la visualisation. Ces actifs doivent améliorer la compréhension et le raisonnement par les utilisateurs humains du comportement de l’IA lors de sa poursuite des objectifs de mission de haut niveau.
- Étudier comment améliorer la représentation du comportement du système et des limites opérationnelles. Ceci afin d’assurer une intégration intelligente des humains et de l’IA.
- Systèmes cognitifs conjoints pour la planification de la production en temps réel, où la responsabilité de prendre des décisions pour optimiser la production est partagée entre l’homme et l’IA.
- Enquêter sur les systèmes qui apprennent des entrées utilisateur lors de l’exécution et non au moment de la conception.
- L’IA pour l’apprentissage automatique simplifiée. Ceci pour surmonter le temps de latence requis pour la programmation et la modélisation prédictive.
- IA pour la planification, basée sur les données et les exigences de fabrication. C’est-à-dire permettre une interaction humaine dans le processus de planification pour éviter que l’IA dicte le processus.
- La prise de décision basée sur les données où l’IA peut faciliter l’efficacité du travail et réduire les risques d’erreurs. Ceci tout en respectant les normes de qualité les plus élevées afin de minimiser la dépendance d’un employé à l’égard des autres pour prendre une décision.
Challenge 3 Santé. Architectures, composants et systèmes pour les médicaments bio-éléctronique
Les médicaments bio-électroniques ou les électroceutiques stimulent le système nerveux périphérique pour traiter une variété de maladies chroniques.
Les médicaments bio-électroniques devraient devenir une thérapie complémentaire ou même de remplacement dans le traitement des maladies auto-immunes et inflammatoires.
Pour en faire une réalité pratique, les neurostimulateurs implantables doivent être miniaturisés. Ceci afin de pouvoir être implantés sur le nerf en utilisant des procédures mini-invasives. Ils doivent être intelligents pour un fonctionnement en boucle fermée. Et ils doivent être spécifiques.
Les projets soumis à ECSEL JU peuvent couvrir les sujets suivants :
- Miniaturisation de systèmes hétérogènes complexes pour permettre la délivrance d’un dispositif mini-invasif sur le nerf cible.
- Gestion de l’énergie couvrant le stockage et la charge à distance.
- Communication avec l’implant en mettant l’accent sur la sécurité et la confidentialité des données.
- Calcul AI à faible puissance pour permettre un fonctionnement autonome en boucle fermée.
- Spécificité pour stimuler uniquement les neurones pertinents dans un nerf.
- Encapsulation en relation avec la fiabilité, la bio-stabilité, le poids, la fabricabilité et le coût.
- Développement de systèmes modèles pour la validation des médicaments bio-électroniques, en tenant compte des aspects biophysiques, cliniques et réglementaires.
Challenge 4 de la Commission Européenne : L’électronique dans le secteur de l’énergie: surveillance de l’état et de la santé (C&HM) pour l’électronique de puissance dans les applications énergétiques.
L’analyse des technologies clés pour la pénétration croissante des énergies renouvelables dans le secteur de l’énergie révèle que l’électronique de puissance joue l’un des rôles majeurs.
En effet, le développement de électronique de puissance a permis de meilleures performances du convertisseur. Ayant détecté cet élément important dans l’ensemble de la chaîne de valeur ; l’objectif est de trouver des domaines d’action potentiels pour accroître encore le déploiement des énergies renouvelables et enfin contribuer à la décarbonisation du secteur de l’énergie.
Les projets soumis à ECSEL JU peuvent couvrir les sujets suivants :
La surveillance de l’état et de la santé est une méthode efficace pour améliorer la disponibilité des composants électroniques de puissance, des convertisseurs et des systèmes. Ceci en surveillant l’état de l’électronique de puissance ; en estimant la fin de vie et en estimant le temps de maintenance le plus rentable. Les données collectées peuvent également être utilisées pour une analyse exacte des causes de défaillance de l’électronique de puissance et présentent ainsi des informations précieuses pour les fabricants.
- Estimation de la température de jonction Tj basée sur les paramètres électriques thermosensibles. Ici, un défi particulièrement important présente les MOSFETS SiC et les diodes Schottky car la sensibilité des TSEP est plus faible, non linéaire et dépend de la technologie construite. D’autres problèmes sont l’étalonnage, la dérive du circuit, l’influence du PWM et autres.
- Développement de nouvelles techniques non conventionnelles pour mesurer la température et estimer la dégradation telles que l’application (comme par exemple, mais sans s’y limiter, la connexion Kelvin ou les méthodes acoustiques).
- Développement nouvelles techniques pour générer des modèles de durée de vie basés sur l’analyse des mégadonnées et par l’utilisation de techniques de soft computing.
- Combinaison d’approches basées sur les (grandes) données et sur la physique de la défaillance.
Organisme : Commission Européenne
Toute l’information sur l’appel à projet ECSEL JU : www.ecsel.eu
Pour monter votre dossier ECSEL JU avec le meilleur consultant utilisez gratuitement Winbids, la plateforme du conseil en innovation
