Press release

Le C3.ai Digital Transformation Institute annonce les récipiendaires boursiers de son initiative en faveur de l’IA pour la sécurité énergétique et climatique

0
Sponsorisé par Businesswire

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.