Round2 - 2024

Contexte

Le projet MAIA (“Maîtrise des Applications de l’IA”) vise à développer des solutions de recherche originales et génériques pour faire avancer l’explicabilité formelle et l’acceptabilité sociétale de l’IA, avec un focus sur trois domaines phares, la santé, la chimie et l’environnement, de l’alliance A2U (Université d’Artois, UPJV et ULCO) ainsi que pour la région Hauts-de-France (HdF). Parmi les appels récurrents (annuels) du projet MAIA figure celui-ci concernant le financement d'initiatives de recherche innovantes.

Cadre

Cet appel est ouvert aux chercheurs et enseignants-chercheurs de l'alliance A2U travaillant dans l’un des 5 axes de MAIA : IA explicable (XAI), IA acceptable (questions SHS), applications de l’IA en santé, chimie, et environnement. Il est résolument ouvert à toute action de recherche et/ou valorisation de courte durée (6 mois maximum) permettant d'initier, développer, soutenir une approche innovante :

  • développement, diffusion ou valorisation commerciale d’un prototype/logiciel innovant
  • investissement pour mise au point de démonstrateur(s)
  • soutien à la production/publication/communication de visibilité internationale exceptionnelle
  • accompagnement d’une activité originale de type expérimental ou de collecte de données
  • soutien à toute autre action originale valorisant le projet MAIA

Sélection 2024

Comprendre le fonctionnement des interventionspsycho-sociales dans l'education a travers l'lA

Demandeur :

  • Gabor Orosz

Laboratoire(s) d'accueil :

  • SHERPAS (UArtois)
  • CRIL (UArtois)

Résumé

  • Ce projet s'inscrit dans l'application des methodes demachine learningdans l'education, visant à ameliorer la performance académique et la santé mentale des étudiants. Il sedivise en deux axes principaux:
    1. Implémentation d'interventions psycho-sociales en classes préparatoires scientifiques: L'objectif est de soutenir lesétudiants vulnérablese n créant un environnement d'apprentissage motivant avec des interventions psycho-sociales. Ces interventions seront testées sur 500 à 1000 élèves des classes préparatoires dans les lycées de Hauts-de-France.
    2. Analyse des donnees d'interventions psycho-sociales : Nous analyserons les données d'interventions réalisées dans plusieurs universitése n utilisant des techniques avancees de machine learning (PYXAI, NLP, LLM, forêts causales). L'objectif est de comprendre l'efficacité des interventions et d'identifier les modérateurs. La collaboration entre les laboratoires CRP-CPO del'UPJV, SHERPAS et CRIL assure une approche pluridisciplinaire. Nous voulons mesurer rimpact de nosinterventions sur les inegalites socio-economiques et motiver les élèves victimes de stéréotypes à croire en leurs capacités. Nous faisons l'hypothese que les interventions augmenteront le taux de réussite et réduiront le décrochage en classe préparatoire, avec une progression notable des eleves issus de l'immigration. Les croyances des élèves sur l'intelligence évolueront positivement, et le statut socio-économique influencera l'efficacité des interventions.
Miscibilité de biopolymères et de solvants verts : génération de jeux de données pour l’apprentissage automatique

Demandeur :

  • Christine Cézard

Laboratoire(s) d'accueil :

  • LG2A (UPJV)

Résumé

  • Les polymères naturels semi-cristallins (cellulose, chitine, soie, ...) sont une ressource quasi- inépuisable, renouvelable et propre à la conception de matériaux aux propriétés mécaniques et/ou biologiques améliorées. Les applications de ces polymères potentiellement réticulés et/ou fonctionnalisés sont versatiles et vont de la formation de gels leurres des milieux biologiques au remplacement de polymères synthétiques (plastiques). Mais, ces polymères naturels présentent un haut degré de cristallinité associé à un important réseau de liaisons hydrogène leur conférant un caractère récalcitrant à leur solubilisation dans de nombreux solvants conventionnels. Les procédés de dissolution utilisés industriellement ne sont pas respectueux de l’environnement, mais l’utilisation de solvants verts tels les liquides ioniques ou les solvants eutectiques profonds permettrait de rendre le processus propre. Bien que le nombre de ces solvants disponibles soit très important, voire théoriquement infini, peu sont capables de dissoudre efficacement tout type de polymère, étape cruciale pour l’obtention de nouveaux matériaux originaux. Ce projet propose une utilisation conjointe de méthodes expérimentales et de chimie computationnelle pour l’étude de la dissolution de biopolymères permettant de comprendre au niveau moléculaire les mécanismes de dégradation des fragments cristallins par les entités constitutives des solvants. Ainsi nous serons en mesure de proposer des méthodes pour optimiser les natures et propriétés de ces entités ainsi que les conditions expérimentales. L’objectif du projet est de proposer une méthode de travail et des résultats préliminaires quant à la construction de jeux de données permettant d’alimenter l’apprentissage automatique.
Artificial Intelligence Application for PHytoplankton analysis by automated in vivo flow CYtometry - CYPHAIA

Demandeur :

  • Luis Felipe Artigas

Laboratoire(s) d'accueil :

  • MCF (ULCO)
  • CNRS

Résumé

  • L’objectif de la proposition de projet incitatif CYPHAIA est de proposer à la communauté des utilisateurs de la cytométrie en flux automatisée pour l’observation et la surveillance in vivo du phytoplancton marin, un outil de classification automatisée open source, robuste mais simple, avec la possibilité d’adapter les scripts aux besoins et aux ressources de calcul de l’utilisateur. Le défi serait de s’affranchir non seulement des réglages de l’appareil, limitant le nombre de jeux d’apprentissage à construire, mais aussi du logiciel constructeur, dont les versions s’accompagnent de fichiers exportés différents, ce qui pose problème pour la pérennité des outils. Pour accomplir cet objectif, il est proposé de poursuivre le travail préliminaire initié dans le cadre du Master 2 de Lucinda Lanoy entre le LOG et le CEFAS aux Royaume-Uni et l’approfondir au travers des améliorations apportées à la méthode en cours de développement, notamment par la réduction de la dimensionnalité des données par la transformation en ratios des variables et par l’exploration d’autres modèles de classification. Ce projet permettra de lancer par la suite une série de tests et applications à des grandes séries de données issues de campagnes de mesures dans divers écosystèmes marins.
Plateforme de Recherche Santé MAIA

Demandeur :

  • Émilien Arnaud

Laboratoire(s) d'accueil :

  • MIS (UPJV)

Résumé

  • La réunion du groupe de travail santé lors du forum MAIA du 23 mai 2024 a mis en avant deux difficultés principales : accéder à de la donné de santé et de disposer d'un lieu de traitement sécurisé de ces données (la première impliquant par ailleurs la deuxième). L'object de ce projet est d'adapter un cluster de calcul existant, déjà localisé dans un environnement HDS (mais non HDS lui-même) pour lever les freins à la mise à disposition de données en donnant le maximum de garanties de sécurité au fournisseur de données.
a2u
artois artois artois artois
france2030 france2030