Le C3.ai DTI a attribué un montant total de 4,4
millions USD à 21 projets visant à faire avancer la recherche
fondamentale en intelligence artificielle pour le secteur de
l’énergie
Le C3.ai Digital Transformation Institute (C3.ai DTI) a annoncé
aujourd’hui la deuxième remise des prix du C3.ai DTI, axés sur
l’utilisation des techniques d’intelligence artificielle (IA) et de
la transformation numérique pour faire progresser l’efficacité
énergétique et ouvrir la voie à une économie plus efficace et à
plus faibles émissions de carbone, qui garantira la sécurité
énergétique et climatique.
Le C3.ai DTI a lancé son appel à propositions en février 2021 et
a reçu 52 candidatures. Un processus rigoureux d’examen par les
pairs a conduit à décerner 21 subventions pour des propositions de
recherche visant à améliorer la résilience, la durabilité et
l’efficacité grâce à des initiatives telles que la séquestration du
carbone, l’exploitation des marchés du carbone, la production
d’hydrocarbures, les énergies renouvelables distribuées, et la
cybersécurité, entre autres.
L’Institut a attribué un total de 4,4 millions USD en espèces
dans le cadre de cet appel à propositions, qui est le deuxième
appel lancé par l’Institut depuis les débuts de l’organisation en
mars 2020. En plus des récompenses en espèces, les équipes de
recherche ont obtenu l’accès à jusqu’à 2 millions USD en ressources
informatiques Azure Cloud ; jusqu’à 800 000 heures de nœud de
supercalcul sur le supercalculateur Blue Waters à l’échelle du
pétaflop, du National Center for Supercomputing Applications (NCSA)
de l’Université de l’Illinois à Urbana-Champaign ; jusqu’à 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 accès gratuit et
illimité à la suite C3 AI® hébergée sur la plateforme infonuagique
Microsoft Azure Cloud.
« L’infrastructure énergétique mondiale va devoir subir des
changements radicaux pour faire face à l’impact de la production
mondiale d’énergie », a déclaré Thomas M. Siebel,
président-directeur général de C3 AI. « Face à cette crise,
l’Institut est fier de rassembler les esprits les plus brillants,
et de fournir une orientation et un leadership destinés à soutenir
l’analyse objective et la science basée sur l’IA et les données, en
faveur de la sécurité climatique. »
« Il est absolument essentiel de travailler dans le sens d’un
avenir durable en s’appuyant sur les avancées de la science et de
l’ingénierie », a confié pour sa part Eric Horvitz, directeur
scientifique de Microsoft. « Nous sommes très enthousiastes à
l’idée de nous joindre au C3.ai Digital Transformation Institute
pour soutenir la recherche exploratoire sur l’énergie et le climat,
dans des universités de premier plan. »
Les 21 projets ont reçu chacun entre 100 000 et 250 000 USD,
pour une période initiale d’un an, dans l’une des neuf catégories
énumérées ci-dessous, en spécifiant le titre du projet, le
chercheur principal et l’affiliation.
- Développement 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 avancées pour soutenir des initiatives de développement
durable, en matière de consommation énergétique et d’émissions de
gaz à effet de serre : Apprendre des jeux de routage pour une
électromobilité durable) (Henrik Sandberg, KTH Royal Institute of
Technology)
- AI-Driven Materials Discovery Framework for Energy-Efficient
and Sustainable Electrochemical Separations (Cadre de découverte de
matériaux basé sur l’IA, pour des séparations électrochimiques
durables et écoénergétiques) (Xiao Su, Université de l’Illinois à
Urbana-Champaign)
- L’IA pour la séquestration 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 accroître
l’ampleur et réduire le coût de la séquestration du carbone :
Optimisation de la gestion agricole pour la séquestration du
carbone dans le sol, à l’aide de l’apprentissage par renforcement
approfondi, et de simulations à grande échelle) (Naira Hovakimyan,
Université de l’Illinois à Urbana-Champaign)
- Affordable Gigaton-Scale Carbon Sequestration: Navigating
Autonomous Seaweed Growth Platforms by Leveraging Complex Ocean
Currents and Machine Learning (Séquestration du carbone à l’échelle
de la gigatonne, à un prix abordable : Gérer les plateformes
autonomes de croissance d’algues en tirant parti des courants
océaniques complexes et de l’apprentissage automatique (Claire
Tomlin, Université de Californie, Berkeley)
- L’IA pour les marchés avancés de l’énergie 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, automatisée et en temps réel des sources de production
d’énergie : Quantifier le crédit carbone sur les terres cultivées
du Midwest américain grâce à la combinaison de modèles de données,
basée sur l’IA (Kaiyu Guan, Université de l’Illinois à
Urbana-Champaign)
- The Role of Interconnectivity and Strategic Behavior in
Electric Power System Reliability (Le rôle de l’interconnectivité
et les comportements stratégiques dans la fiabilité des réseaux
électriques) (Ali Hortacsu, Université de Chicago)
- La cybersécurité des infrastructures électriques et
énergétiques - 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 améliorer la
cybersécurité de nos actifs électriques et énergétiques essentiels,
des usines et des maisons intelligentes connectées : Le contrôle
privé cybersécurisé basé sur les données des ressources
énergétiques distribuées) (Subhonmesh Bose, Université de
l’Illinois à Urbana-Champaign)
- Cyberattacks and Anomalies for Power Systems: Defense Mechanism
and Grid Fortification via Machine Learning Techniques
(Cyberattaques et anomalies pour les systèmes électriques :
Mécanisme de défense et fortification des réseaux via des
techniques d’apprentissage automatique) (Javad Lavaei, Université
de Californie à Berkeley)
- A Joint ML+Physics-Driven Approach for Cyber-Attack Resilience
in Grid Energy Management (Une approche conjointe AA + Physique
pour la résilience aux cyberattaques, dans la gestion de l’énergie
des réseaux (Amritanshu Pandey, Université Carnegie-Mellon)
- Analyse intelligente des réseaux - 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 améliorer l’efficience et l’efficacité des opérations de
transmission et de distribution des réseaux : Contrôle évolutif de
la tension, basé sur les données des réseaux électriques à très
grande échelle) (Alejandro Dominguez-Garcia, Université de
l’Illinois à Urbana-Champaign)
- Offline Reinforcement Learning for Energy-Efficient Power Grids
(Apprentissage par renforcement hors ligne pour les réseaux
électriques à haute efficacité énergétique) (Sergey Levine,
Université de Californie à Berkeley)
- Gestion des ressources énergétiques distribuées -
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 pénétration et
l’utilisation des énergies renouvelables distribuées :
Apprentissage automatique pour les systèmes d’alimentation
compatibles avec l’électronique de puissance : Une plateforme AA
unifiée pour l’électronique de puissance, les systèmes
d’alimentation et la science des données) (Minjie Chen, Université
de Princeton)
- Sharing Mobile Energy Storage: Platforms and Learning
Algorithms (Partager le stockage d’énergie mobile : Plateformes et
algorithmes d’apprentissage) (Kameshwar Poolla, Université de
Californie à Berkeley)
- Data-Driven Control and Coordination of Smart Converters for
Sustainable Power System Using Deep Reinforcement Learning
(Contrôle et coordination basés sur les données des convertisseurs
intelligents pour des systèmes électriques durables en utilisant
l’apprentissage par renforcement approfondi) (Qianwen Xu, KTH Royal
Institute of Technology)
- L’IA pour une meilleure évaluation 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 améliorer la
modélisation des risques de catastrophes naturelles à partir
d’événements météorologiques futurs (p. ex. : tempêtes tropicales,
incendies et inondations) : L’IA pour les catastrophes naturelles :
La modélisation des cyclones tropicaux et l’activation du paradigme
de la résilience) (Arindam Banerjee, Université de l’Illinois à
Urbana-Champaign)
- Multi-Scale Analysis for Improved Risk Assessment of Wildfires
Facilitated by Data and Computation (Analyse multi-échelle pour une
meilleure évaluation des risques d’incendies de forêt, facilitée
par les données et le calcul) (Marta Gonzalez, Université de
Californie à Berkeley)
- Systèmes énergétiques résilients - 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 vulnérabilités introduites par
l’utilisation des techniques d’IA/AA pour les marchés de l’énergie
et du carbone : Une approche de modèle d’influence basée sur
l’apprentissage, pour la prédiction des défaillances en cascade
(Eytan Modiano, Massachusetts Institute of Technology)
- Reinforcement Learning for a Resilient Electric Power System
(L’apprentissage par renforcement pour un système d’alimentation
électrique résilient) (Alberto Sangiovanni-Vincentelli, Université
de Californie à Berkeley)
- L’IA pour une meilleure modélisation 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 modélisation et
l’adaptation au changement climatique : L’apprentissage automatique
pour réduire les incertitudes liées aux effets des incendies sur le
climat) (Hamish Gordon, Université Carnegie-Mellon)
- AI-Based Prediction of Urban Climate and Its Impact on Built
Environments (Prédiction basée sur l’IA, du climat urbain et son
impact sur les environnements bâtis) (Wei Liu, KTH Royal Institute
of Technology)
- Interpretable Machine Learning Models to Improve Forecasting of
Extreme-Weather-Causing Tropical Monster Storms (Modèles
d’apprentissage automatique interprétables pour améliorer la
prévision des tempêtes tropicales monstres causant des conditions
météorologiques extrêmes) (Da Yang, Lawrence Berkeley National
Laboratory)
« Des incendies de forêt à l’élévation du niveau des océans, en
passant par les tempêtes monstres qui paralysent nos systèmes
énergétiques, les conditions météorologiques de plus en plus
extrêmes représentent clairement une menace grave pour notre
économie, nos infrastructures et notre sécurité nationale », ont
déclaré S. Shankar Sastry, codirecteur du C3.ai DTI, et Thomas M.
Siebel, professeur d’informatique à l’Université de Californie à
Berkeley. « L’amélioration de la résilience climatique va
nécessiter des changements profonds alimentés par une nouvelle ère
technologique, comme ceux que le C3.ai DTI soutient aujourd’hui.
»
« Un certain nombre de sociétés énergétiques et de services
publics utilisent déjà l’IA d’entreprise pour transformer leurs
opérations, mais comme nous pouvons le constater, il existe un
besoin encore plus grand de résilience aux cyberattaques et aux
perturbations environnementales majeures », ont commenté pour leur
part R. Srikant, codirecteur du C3.ai DTI, ainsi que Fredric G. et
Elizabeth H. Nearing, professeurs titulaires de génie électrique et
d’informatique, à l’Université de l’Illinois à Urbana-Champaign. «
Ces projets ont été conçus avec ces objectifs en tête. »
Critères d’attribution des prix
Le C3.ai DTI sélectionne des propositions de recherche qui
inspirent la recherche coopérative et font progresser
l’apprentissage automatique et d’autres sous-disciplines de l’IA.
Les projets sont examinés par des pairs en se basant sur leur
mérite scientifique, sur les réalisations antérieures du chercheur
principal et des co-chercheurs principaux, sur l’utilisation de
l’IA, de l’apprentissage automatique, de l’analyse de données, et
du cloud computing dans le projet de recherche, ainsi que sur
l’aptitude à tester les méthodes à grande échelle. Visitez C3DTI.ai
pour en savoir plus sur les programmes de l’Institut, les
opportunités de récompenses, et les propositions de recherche
sélectionnées.
À propos du C3.ai Digital Transformation Institute
Créé en mars 2020 par C3 AI, Microsoft et des universités de
premier plan, le C3.ai Digital Transformation Institute est un
consortium de recherche, spécialisé dans l’optimisation des
avantages de l’intelligence artificielle pour les entreprises, les
gouvernements et la société. L’Institut fait appel à des
scientifiques figurant parmi les plus éminents au monde pour mener
des recherches et former des praticiens à la nouvelle science de la
transformation numérique, opérant au croisement de l’intelligence
artificielle, de l’apprentissage automatique, du cloud computing,
de l’Internet des objets, de l’analyse des mégadonnées, du
comportement organisationnel, des politiques publiques, et de
l’éthique.
Les dix universités et laboratoires membres du consortium C3.ai
Digital Transformation Institute sont : l’Université de Californie,
Berkeley, l’Université de l’Illinois à Urbana-Champaign,
l’Université 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’Université de l’Illinois à Urbana-Champaign, l’Université de
Princeton, l’Université de Stanford, et l’Université de Chicago.
Parmi les autres partenaires industriels figurent AstraZeneca,
Baker Hughes et Shell.
Pour soutenir l’Institut, C3 AI verse à ce dernier 57 250 000
USD de contribution en espèces pour ses cinq premières années
d’activité. C3 AI et Microsoft apporteront une contribution
supplémentaire de 310 millions USD sous forme d’appui en nature,
notamment via l’utilisation de la Suite C3 AI® et des ressources
informatiques, techniques et de stockage de Microsoft Azure, afin
de soutenir les activités de recherche du C3.ai DTI.
À propos de C3.ai, Inc.
C3.ai, Inc. (NYSE : AI) est la société spécialisée en logiciels
d’application d’IA d’entreprise, qui accélère la transformation
numérique pour des organisations du monde entier. C3 AI propose une
gamme de produits entièrement intégrés : C3 AI® Suite, plateforme
de bout en bout, destinée au développement, au déploiement ainsi
qu’à l’exploitation d’applications d’IA à grande échelle ; C3 AI
Applications, portefeuille d’applications d’IA SaaS spécifiques au
secteur ; C3 AI CRM, gamme d’applications de GRC spécifiques au
secteur et conçue pour l’IA et l’apprentissage automatique ; et C3
AI Ex Machina, solution d’IA no-code destinée à appliquer la
science des données aux problématiques quotidiennes des
entreprises. La base de l’offre de C3 AI est une architecture IA
ouverte et dirigée par les modèles, qui simplifie considérablement
la science des données et le développement des applications. En
savoir plus sur : www.c3.ai.
Le texte du communiqué issu d’une traduction ne doit d’aucune
manière être considéré comme officiel. La seule version du
communiqué qui fasse foi est celle du communiqué dans sa langue
d’origine. La traduction devra toujours être confrontée au texte
source, qui fera jurisprudence.
Consultez la
version source sur businesswire.com : https://www.businesswire.com/news/home/20210611005472/fr/
Contact C3.ai DTI Kap Stann Responsable de la
communication, C3.ai DTI @ Berkeley (510) 295-9685
kstann@berkeley.edu
Relations publiques C3 AI Edelman Lisa Kennedy
415-914-8336 pr@c3.ai
Relations avec les investisseurs ir@c3.ai
C3 AI (NYSE:AI)
Historical Stock Chart
From Jun 2024 to Jul 2024
C3 AI (NYSE:AI)
Historical Stock Chart
From Jul 2023 to Jul 2024