URBANA, Illinois et BERKELEY, Californie–(BUSINESS WIRE)–Le C3.ai Digital Transformation Institute (C3.ai DTI) a annonce aujourd’hui la deuxieme remise des prix du C3.ai DTI, axes sur l’utilisation des techniques d’intelligence artificielle (IA) et de la transformation numerique pour faire progresser l’efficacite energetique et ouvrir la voie a une economie plus efficace et a plus faibles emissions de carbone, qui garantira la securite energetique et climatique.

Le C3.ai DTI a lance son appel a propositions en fevrier 2021 et a recu 52 candidatures. Un processus rigoureux d’examen par les pairs a conduit a decerner 21 subventions pour des propositions de recherche visant a ameliorer la resilience, la durabilite et l’efficacite grace a des initiatives telles que la sequestration du carbone, l’exploitation des marches du carbone, la production d’hydrocarbures, les energies renouvelables distribuees, et la cybersecurite, entre autres.

L’Institut a attribue un total de 4,4 millions USD en especes dans le cadre de cet appel a propositions, qui est le deuxieme appel lance par l’Institut depuis les debuts de l’organisation en mars 2020. En plus des recompenses en especes, les equipes de recherche ont obtenu l’acces a jusqu’a 2 millions USD en ressources informatiques Azure Cloud ; jusqu’a 800 000 heures de noeud de supercalcul sur le supercalculateur Blue Waters a l’echelle du petaflop, du National Center for Supercomputing Applications (NCSA) de l’Universite de l’Illinois a Urbana-Champaign ; jusqu’a 25 millions d’heures de calcul sur les superordinateurs du National Energy Research Scientific Computing Center (NERSC) du Lawrence Berkeley National Laboratory ; ainsi qu’un acces gratuit et illimite a la suite C3 AI(R) hebergee sur la plateforme infonuagique Microsoft Azure Cloud.

<>, a declare Thomas M. Siebel, president-directeur general de C3 AI. <>

<>, a confie pour sa part Eric Horvitz, directeur scientifique de Microsoft. <>

Les 21 projets ont recu chacun entre 100 000 et 250 000 USD, pour une periode initiale d’un an, dans l’une des neuf categories enumerees ci-dessous, en specifiant le titre du projet, le chercheur principal et l’affiliation.

Developpement durable – Applying AI, machine learning, and advanced analytics to support sustainability initiatives for energy consumption and greenhouse gas emissions:

Learning in Routing Games for Sustainable Electromobility (Appliquer l’IA, l’apprentissage automatique et des techniques d’analyse avancees pour soutenir des initiatives de developpement durable, en matiere de consommation energetique et d’emissions de gaz a effet de serre : Apprendre des jeux de routage pour une electromobilite durable) (Henrik Sandberg, KTH Royal Institute of Technology)

AI-Driven Materials Discovery Framework for Energy-Efficient and Sustainable Electrochemical Separations (Cadre de decouverte de materiaux base sur l’IA, pour des separations electrochimiques durables et ecoenergetiques) (Xiao Su, Universite de l’Illinois a Urbana-Champaign)

L’IA pour la sequestration du carbone – Applying AI/ML techniques to increase the scale and reduce costs of carbon sequestration:

Optimization of Agricultural Management for Soil Carbon Sequestration Using Deep Reinforcement Learning and Large-Scale Simulations (Appliquer les techniques d’IA/AA pour accroitre l’ampleur et reduire le cout de la sequestration du carbone : Optimisation de la gestion agricole pour la sequestration du carbone dans le sol, a l’aide de l’apprentissage par renforcement approfondi, et de simulations a grande echelle) (Naira Hovakimyan, Universite de l’Illinois a Urbana-Champaign)

Affordable Gigaton-Scale Carbon Sequestration: Navigating Autonomous Seaweed Growth Platforms by Leveraging Complex Ocean Currents and Machine Learning (Sequestration du carbone a l’echelle de la gigatonne, a un prix abordable : Gerer les plateformes autonomes de croissance d’algues en tirant parti des courants oceaniques complexes et de l’apprentissage automatique (Claire Tomlin, Universite de Californie, Berkeley)

L’IA pour les marches avances de l’energie et du carbone – Enabling dynamic, automated, and real-time pricing of energy-generation sources:

Quantifying Carbon Credit Over the U.S. Midwestern Cropland Using AI-Based Data-Model Fusion (Permettre une tarification dynamique, automatisee et en temps reel des sources de production d’energie : Quantifier le credit carbone sur les terres cultivees du Midwest americain grace a la combinaison de modeles de donnees, basee sur l’IA (Kaiyu Guan, Universite de l’Illinois a Urbana-Champaign)

The Role of Interconnectivity and Strategic Behavior in Electric Power System Reliability (Le role de l’interconnectivite et les comportements strategiques dans la fiabilite des reseaux electriques) (Ali Hortacsu, Universite de Chicago)

La cybersecurite des infrastructures electriques et energetiques – Leveraging AI/ML techniques to improve the cybersecurity of critical power and energy assets, along with smart connected factories and homes:

Private Cyber-Secure Data-Driven Control of Distributed Energy Resources (Exploiter les techniques d’IA/AA pour ameliorer la cybersecurite de nos actifs electriques et energetiques essentiels, des usines et des maisons intelligentes connectees : Le controle prive cybersecurise base sur les donnees des ressources energetiques distribuees) (Subhonmesh Bose, Universite de l’Illinois a Urbana-Champaign)

Cyberattacks and Anomalies for Power Systems: Defense Mechanism and Grid Fortification via Machine Learning Techniques (Cyberattaques et anomalies pour les systemes electriques : Mecanisme de defense et fortification des reseaux via des techniques d’apprentissage automatique) (Javad Lavaei, Universite de Californie a Berkeley)

A Joint ML+Physics-Driven Approach for Cyber-Attack Resilience in Grid Energy Management (Une approche conjointe AA + Physique pour la resilience aux cyberattaques, dans la gestion de l’energie des reseaux (Amritanshu Pandey, Universite Carnegie-Mellon)

Analyse intelligente des reseaux – Applying AI and other analytic approaches to improve the efficiency and effectiveness of grid transmission and distribution operations:

Scalable Data-Driven Voltage Control of Ultra-Large-Scale Power Networks (Application de l’IA et d’autres approches analytiques pour ameliorer l’efficience et l’efficacite des operations de transmission et de distribution des reseaux : Controle evolutif de la tension, base sur les donnees des reseaux electriques a tres grande echelle) (Alejandro Dominguez-Garcia, Universite de l’Illinois a Urbana-Champaign)

Offline Reinforcement Learning for Energy-Efficient Power Grids (Apprentissage par renforcement hors ligne pour les reseaux electriques a haute efficacite energetique) (Sergey Levine, Universite de Californie a Berkeley)

Gestion des ressources energetiques distribuees – Applying AI to increase the penetration and use of distributed renewables:

Machine Learning for Power Electronics-Enabled Power Systems: A Unified ML Platform for Power Electronics, Power Systems, and Data Science (Application de l’IA pour augmenter la penetration et l’utilisation des energies renouvelables distribuees : Apprentissage automatique pour les systemes d’alimentation compatibles avec l’electronique de puissance : Une plateforme AA unifiee pour l’electronique de puissance, les systemes d’alimentation et la science des donnees) (Minjie Chen, Universite de Princeton)

Sharing Mobile Energy Storage: Platforms and Learning Algorithms (Partager le stockage d’energie mobile : Plateformes et algorithmes d’apprentissage) (Kameshwar Poolla, Universite de Californie a Berkeley)

Data-Driven Control and Coordination of Smart Converters for Sustainable Power System Using Deep Reinforcement Learning (Controle et coordination bases sur les donnees des convertisseurs intelligents pour des systemes electriques durables en utilisant l’apprentissage par renforcement approfondi) (Qianwen Xu, KTH Royal Institute of Technology)

L’IA pour une meilleure evaluation des risques de catastrophe naturelle – Applying AI to improve modeling of natural catastrophe risks from future weather-related events (e.g., tropical storms, wildfires, and floods):

AI for Natural Catastrophes: Tropical Cyclone Modeling and Enabling the Resilience Paradigm (Appliquer l’IA pour ameliorer la modelisation des risques de catastrophes naturelles a partir d’evenements meteorologiques futurs (p. ex. : tempetes tropicales, incendies et inondations) : L’IA pour les catastrophes naturelles : La modelisation des cyclones tropicaux et l’activation du paradigme de la resilience) (Arindam Banerjee, Universite de l’Illinois a Urbana-Champaign)

Multi-Scale Analysis for Improved Risk Assessment of Wildfires Facilitated by Data and Computation (Analyse multi-echelle pour une meilleure evaluation des risques d’incendies de foret, facilitee par les donnees et le calcul) (Marta Gonzalez, Universite de Californie a Berkeley)

Systemes energetiques resilients – Addressing how the use of AI/ML techniques and markets for energy and carbon introduce new vulnerabilities:

A Learning-Based Influence Model Approach to Cascading Failure Prediction (Aborder les nouvelles vulnerabilites introduites par l’utilisation des techniques d’IA/AA pour les marches de l’energie et du carbone : Une approche de modele d’influence basee sur l’apprentissage, pour la prediction des defaillances en cascade (Eytan Modiano, Massachusetts Institute of Technology)

Reinforcement Learning for a Resilient Electric Power System (L’apprentissage par renforcement pour un systeme d’alimentation electrique resilient) (Alberto Sangiovanni-Vincentelli, Universite de Californie a Berkeley)

L’IA pour une meilleure modelisation du changement climatique – Use of AI/ML to address climate change modeling and adaptation:

Machine Learning to Reduce Uncertainty in the Effects of Fires on Climate (Utilisation de l’IA/AA pour aborder la modelisation et l’adaptation au changement climatique : L’apprentissage automatique pour reduire les incertitudes liees aux effets des incendies sur le climat) (Hamish Gordon, Universite Carnegie-Mellon)

AI-Based Prediction of Urban Climate and Its Impact on Built Environments (Prediction basee sur l’IA, du climat urbain et son impact sur les environnements batis) (Wei Liu, KTH Royal Institute of Technology)

Interpretable Machine Learning Models to Improve Forecasting of Extreme-Weather-Causing Tropical Monster Storms (Modeles d’apprentissage automatique interpretables pour ameliorer la prevision des tempetes tropicales monstres causant des conditions meteorologiques extremes) (Da Yang, Lawrence Berkeley National Laboratory)

<>, ont declare S. Shankar Sastry, codirecteur du C3.ai DTI, et Thomas M. Siebel, professeur d’informatique a l’Universite de Californie a Berkeley. <>

<>, ont commente pour leur part R. Srikant, codirecteur du C3.ai DTI, ainsi que Fredric G. et Elizabeth H. Nearing, professeurs titulaires de genie electrique et d’informatique, a l’Universite de l’Illinois a Urbana-Champaign. <>

Criteres d’attribution des prix

Le C3.ai DTI selectionne des propositions de recherche qui inspirent la recherche cooperative et font progresser l’apprentissage automatique et d’autres sous-disciplines de l’IA. Les projets sont examines par des pairs en se basant sur leur merite scientifique, sur les realisations anterieures du chercheur principal et des co-chercheurs principaux, sur l’utilisation de l’IA, de l’apprentissage automatique, de l’analyse de donnees, et du cloud computing dans le projet de recherche, ainsi que sur l’aptitude a tester les methodes a grande echelle. Visitez C3DTI.ai pour en savoir plus sur les programmes de l’Institut, les opportunites de recompenses, et les propositions de recherche selectionnees.

A propos du C3.ai Digital Transformation Institute

Cree en mars 2020 par C3 AI, Microsoft et des universites de premier plan, le C3.ai Digital Transformation Institute est un consortium de recherche, specialise dans l’optimisation des avantages de l’intelligence artificielle pour les entreprises, les gouvernements et la societe. L’Institut fait appel a des scientifiques figurant parmi les plus eminents au monde pour mener des recherches et former des praticiens a la nouvelle science de la transformation numerique, operant au croisement de l’intelligence artificielle, de l’apprentissage automatique, du cloud computing, de l’Internet des objets, de l’analyse des megadonnees, du comportement organisationnel, des politiques publiques, et de l’ethique.

Les dix universites et laboratoires membres du consortium C3.ai Digital Transformation Institute sont : l’Universite de Californie, Berkeley, l’Universite de l’Illinois a Urbana-Champaign, l’Universite Carnegie Mellon, le KTH Royal Institute of Technology, Lawrence Berkeley National Laboratory, le Massachusetts Institute of Technology, le National Center for Supercomputing Applications, de l’Universite de l’Illinois a Urbana-Champaign, l’Universite de Princeton, l’Universite de Stanford, et l’Universite de Chicago. Parmi les autres partenaires industriels figurent AstraZeneca, Baker Hughes et Shell.

Pour soutenir l’Institut, C3 AI verse a ce dernier 57 250 000 USD de contribution en especes pour ses cinq premieres annees d’activite. C3 AI et Microsoft apporteront une contribution supplementaire de 310 millions USD sous forme d’appui en nature, notamment via l’utilisation de la Suite C3 AI(R) et des ressources informatiques, techniques et de stockage de Microsoft Azure, afin de soutenir les activites de recherche du C3.ai DTI.

A propos de C3.ai, Inc.

C3.ai, Inc. (NYSE : AI) est la societe specialisee en logiciels d’application d’IA d’entreprise, qui accelere la transformation numerique pour des organisations du monde entier. C3 AI propose une gamme de produits entierement integres : C3 AI(R) Suite, plateforme de bout en bout, destinee au developpement, au deploiement ainsi qu’a l’exploitation d’applications d’IA a grande echelle ; C3 AI Applications, portefeuille d’applications d’IA SaaS specifiques au secteur ; C3 AI CRM, gamme d’applications de GRC specifiques au secteur et concue pour l’IA et l’apprentissage automatique ; et C3 AI Ex Machina, solution d’IA no-code destinee a appliquer la science des donnees aux problematiques quotidiennes des entreprises. La base de l’offre de C3 AI est une architecture IA ouverte et dirigee par les modeles, qui simplifie considerablement la science des donnees et le developpement des applications. En savoir plus sur : www.c3.ai.

Le texte du communique issu d’une traduction ne doit d’aucune maniere etre considere comme officiel. La seule version du communique qui fasse foi est celle du communique dans sa langue d’origine. La traduction devra toujours etre confrontee au texte source, qui fera jurisprudence.