O C3.ai Digital Transformation Institute (C3.ai DTI) anunciou hoje a segunda rodada dos prêmios C3.ai DTI, focados na utilização de técnicas de inteligência artificial (AI) e transformação digital para avançar na eficiência energética e liderar o caminho para uma economia de mais baixo carbono e maior eficiência, que garantirão a segurança energética e climática.
A C3.ai DTI lançou essa convocação para propostas em fevereiro de 2021, e recebeu 52 inscrições. Um rigoroso processo de revisão por colegas levou a 21 prêmios para propostas de pesquisas para aumentar a resiliência, sustentabilidade e eficiência através de medidas como sequestro de carbono, mercados de carbono, produção de hidrocarbonetos, renováveis distribuídos e cibersegurança, entre outros tópicos.
O Instituto doou um total de US$ 4,4 milhões em dinheiro para esta convocação por propostas, a segunda convocação que o Instituto lançou desde o lançamento da organização em março de 2020. Além dos prêmios em dinheiro, as equipes de pesquisas obtém acesso a até US$ 2 milhões em recursos de computação Azure Cloud, até 800.000 horas de nó de supercomputação no supercomputador de peta-escala Blue Waters no Centro nacional para aplicações de supercomputação (National Center for Supercomputing Applications, NCSA) na University of Illinois at Urbana-Champaign, até 25 milhões de horas de computação em supercomputadores no Centro de computação científica de pesquisa energética nacional (National Energy Research Scientific Computing Center, NERSC), e acesso gratuito e ilimitadoàSuíte C3 AI® hospedado na Microsoft Azure Cloud.
“A infraestrutura de energia do mundo precisará passar por mudanças radicais para tratar do impacto da geração global de energia”, disse Thomas M. Siebel, presidente e diretor executivo da C3 AI. “Diante desta crise, o Instituto tem o orgulho de reunir as melhores e mais brilhantes mentes e fornecer orientação e liderança para apoiar análises objetivas e ciência baseada em IA, orientada por dados para a segurança climática.”
“Buscar um futuro sustentável através de avanços na ciência e engenharia é absolutamente crítico”, disse Eric Horvitz, diretor científico da Microsoft. “Estamos bastante entusiasmados para nos unir ao C3.ai Digital Transformation Institute para apoiar pesquisa de fronteira em energia e clima em universidades líderes.”
Cada um dos 21 projetos recebeu entre US$ 100.000 e US$ 250.000, para um período inicial de um ano, em uma das nove categorias, conforme listadas abaixo por título do projeto, investigador principal, e afiliação.
- Sustentabilidade — Aplicação de IA, aprendizado de máquina e análises avançadas para apoiar iniciativas de sustentabilidade para consumo de energia e emissões de gases de efeito estufa:
- Learning in Routing Games for Sustainable Electromobility (Aprendizado em jogos de roteamento para eletromobilidade sustentável) (Henrik Sandberg, KTH Royal Institute of Technology)
- AI-Driven Materials Discovery Framework for Energy-Efficient and Sustainable Electrochemical Separations (Estrutura de descoberta de materiais baseados em IA para separações eletroquímicas sustentáveis e com eficiência energética) (Xiao Su, University of Illinois Urbana-Champaign)
- IA para sequestro de carbono —Aplicação de técnicas de IA/ML para aumentar a escala e reduzir o custo do sequestro de carbono:
- Optimization of Agricultural Management for Soil Carbon Sequestration Using Deep Reinforcement Learning and Large-Scale Simulations (Otimização do manejo agrícola para sequestro de carbono do solo usando aprendizado de reforço profundo e simulações em larga escala) (Naira Hovakimyan, University of Illinois at Urbana-Champaign)
- Sequestro de carbono acessível em escala de gigatonelada: Navigating Autonomous Seaweed Growth Platforms by Leveraging Complex Ocean Currents and Machine Learning (Navegando em plataformas autônomas de crescimento de algas marinhas, aproveitando correntes oceânicas complexas e aprendizado de máquina) (Claire Tomlin, University of California, Berkeley)
- IA para energia avançada e mercados de carbono — Habilitação de precificação dinâmica, automatizada e em tempo real de recursos de geração de energia:
- Quantifying Carbon Credit Over the U.S. Midwestern Cropland Using AI-Based Data-Model Fusion (Quantificação do crédito de carbono nas plantações do meio-oeste dos EUA usando fusão de modelos de dados com base em IA) (Kaiyu Guan, University of Illinois at Urbana-Champaign)
- The Role of Interconnectivity and Strategic Behavior in Electric Power System Reliability (O papel da interconectividade e comportamento estratégico na confiabilidade do sistema de energia elétrica) (Ali Hortacsu, University of Chicago)
- Segurança cibernética de carga e infraestrutura de energia — Aproveitamento de técnicas de IA/ML para melhorar a segurança cibernética de ativos críticos de carga e energia, juntamente com fábricas e residências com conexão inteligente:
- Private Cyber-Secure Data-Driven Control of Distributed Energy Resources (Controle privado cibernético baseado em dados de recursos de energia distribuída) (Subhonmesh Bose, University of Illinois at Urbana-Champaign)
- Ataques cibernéticos e anomalias para sistemas de energia: Defense Mechanism and Grid Fortification via Machine Learning Techniques (Mecanismo de defesa e fortificação de rede através de técnicas de aprendizado de máquina) (Javad Lavaei, University of California, Berkeley)
- A Joint ML+Physics-Driven Approach for Cyber-Attack Resilience in Grid Energy Management (Uma abordagem conjunta de ML e orientada para a física para resiliência de ataques cibernéticos no gerenciamento de energia da rede) (Amritanshu Pandey, Carnegie Mellon University)
- Análise de rede inteligente — Aplicação de IA e outras abordagens analíticas para melhorar a eficiência e eficácia das operações de transmissão e distribuição da rede:
- Scalable Data-Driven Voltage Control of Ultra-Large-Scale Power Networks (Controle escalonável de tensão orientado por dados de redes de energia em escala ultragrande) (Alejandro Dominguez-Garcia, University of Illinois at Urbana-Champaign)
- Offline Reinforcement Learning for Energy-Efficient Power Grids (Aprendizado de reforço off-line para redes elétricas com eficiência energética) (Sergey Levine, University of California, Berkeley)
- Gestão de recursos de energia distribuída — Aplicação de IA para aumentar a penetração e uso de renováveis distribuídos:
- Aprendizado de máquina para sistema de energia habilitados por eletrônica de energia: A Unified ML Platform for Power Electronics, Power Systems, and Data Science (Uma plataforma de ML unificada para eletrônica de potência, sistemas de energia e ciência de dados) (Minjie Chen, Princeton University)
- Compartilhando armazenamento móvel de energia: Platforms and Learning Algorithms (Plataformas e algoritmos de aprendizado) (Kameshwar Poolla, University of California, Berkeley)
- Data-Driven Control and Coordination of Smart Converters for Sustainable Power System Using Deep Reinforcement Learning (Controle baseado em dados e coordenação de conversores inteligentes para sistema de energia sustentável usando aprendizado de reforço profundo) (Qianwen Xu, KTH Royal Institute of Technology)
- IA para avaliação aprimorada de riscos de catástrofes naturais –Aplicação de IA para melhorar a modelagem de riscos de catástrofes naturais de eventos futuros relacionados ao clima (por exemplo, tempestades tropicais, incêndios florestais e inundações):
- IA para catástrofes naturais: Tropical Cyclone Modeling and Enabling the Resilience Paradigm (Modelagem de ciclones tropicais e habilitação do paradigma de resiliência) (Arindam Banerjee, University of Illinois at Urbana-Champaign)
- Multi-Scale Analysis for Improved Risk Assessment of Wildfires Facilitated by Data and Computation (Análise multiescala para avaliação de risco aprimorada de incêndios florestais facilitada por dados e computação) (Marta Gonzalez, University of California, Berkeley)
- Sistemas resilientes de energia — Abordagem de como o uso de técnicas de IA/ML e mercados para energia e carbono introduzem novas vulnerabilidades:
- A Learning-Based Influence Model Approach to Cascading Failure Prediction (Uma abordagem de modelo de influência baseada no aprendizado para predição de falhas em cascata) (Eytan Modiano, Massachusetts Institute of Technology)
- Reinforcement Learning for a Resilient Electric Power System (Aprendizado por reforço para um sistema de energia elétrica resiliente) (Alberto Sangiovanni-Vincentelli, University of California, Berkeley)
- IA para modelagem aprimorada da mudança climática —Uso de IA/ML para tratar da modelagem e adaptação da mudança climática:
- Machine Learning to Reduce Uncertainty in the Effects of Fires on Climate (Aprendizado de máquina para reduzir a incerteza nos efeitos dos incêndios no clima) (Hamish Gordon, Carnegie Mellon University)
- AI-Based Prediction of Urban Climate and Its Impact on Built Environments (Previsão do clima urbano baseada em IA e seu impacto nos ambientes construídos) (Wei Liu, KTH Royal Institute of Technology)
- Interpretable Machine Learning Models to Improve Forecasting of Extreme-Weather-Causing Tropical Monster Storms (Modelos de aprendizado de máquina interpretáveis para melhorar a previsão de gigantes tempestades tropicais que causam climas extremos) (Da Yang, Lawrence Berkeley National Laboratory)
“Desde incêndios florestais a oceanos em ascensão e tempestades monstruosas desabilitando nossos sistemas de energia, o clima extremo em crescimento representa uma severa ameaçaànossa economia, infraestrutura e segurança nacional”, disse S. Shankar Sastry, codiretor da C3.ai DTI e Professor Thomas M. Siebel de ciência da computação na University of California, Berkeley.“Melhorar a resiliência climática exigirá profundas transformações movidas por uma nova era de tecnologias como as que a C3.ai DTI está apoiando hoje.”
“Muitas empresas de energia e serviços públicos têm utilizado IA empresarial para transformar suas operações, mas como podemos observar, ainda existe uma maior necessidade por resiliência a ataques cibernéticos e grandes interrupções ambientais”, afirmou R. Srikant, codiretor da C3.ai DTI e Professor Fredric G. and Elizabeth H. Nearing Endowed de engenharia da computação na University of Illinois at Urbana-Champaign. “Esses projetos são criados com essas metas em mente.”
Critérios de elegibilidade
A C3.ai DTI seleciona propostas de pesquisa que inspirem a pesquisa cooperativa e avance o aprendizado de máquina e outras subdisciplinas de IA. Os projetos são analisados por colegas com base no mérito científico, realizações anteriores do investigador principal e coinvestigadores principais, o uso de IA, aprendizado de máquina, análise de dados e computação em nuvem no projeto de pesquisa, e a adequabilidade para testar os métodos em escala. Acesse C3DTI.ai para saber mais sobre os programas do Instituto, oportunidades de prêmio e propostas de pesquisa selecionadas.
Sobre o C3.ai Digital Transformation Institute
Estabelecido em março de 2020 por C3 AI, Microsoft e importantes universidades, o C3.ai Digital Transformation Institute é um consórcio de pesquisa dedicado a antecipar os benefícios da inteligência artificial para empresas, governos e a sociedade. O instituto envolve os mais importantes cientistas do mundo para realizar pesquisas e capacitar profissionais na nova ciência da transformação digital, operando na interseção de inteligência artificial, aprendizado de máquina, computação em nuvem, internet das coisas, análises de big data, comportamento organizacional, políticas públicas e ética.
São os membros universitários e laboratoriais do consórcio C3.ai Digital Transformation Institute: University of California, Berkeley, University of Illinois at Urbana-Champaign, Carnegie Mellon University, KTH Royal Institute of Technology, Lawrence Berkeley National Laboratory, Massachusetts Institute of Technology, National Center for Supercomputing Applications at University of Illinois at Urbana-Champaign, Princeton University, Stanford University e University of Chicago. Outros parceiros do setor incluem AstraZeneca, Baker Hughes e Shell.
Para apoiar o Instituto, a C3 AI está fornecendo US$ 57.250.000 em contribuições em dinheiro nos primeiros cinco anos de operação. A C3 AI e a Microsoft contribuirão com um apoio adicional de US$ 310 milhões em espécie, incluindo o uso do C3 AI® Suite e dos recursos de computação, armazenamento e técnicos do Microsoft Azure para apoiar as pesquisas do C3.ai DTI.
Sobre a C3.ai, Inc.
A C3.ai, Inc. (NYSE:AI) é empresa de software de aplicação de IA que acelera a transformação digital para organizações, globalmente. A C3 AI oferece uma linha de produtos totalmente integrados: C3 AI® Suite, uma plataforma de ponta a ponta para desenvolver, implementar e operar aplicativos de IA de larga escala; C3 AI Applications, um portfólio de aplicativos de IA no modelo software como serviço (Software as a Service, SaaS) específicos para determinados setores de mercado; C3 AI CRM, um pacote de aplicativos de gestão de relacionamento com clientes (Customer Relationship Management, CRM) específicos para determinados setores de mercado e desenvolvidos para IA e aprendizado de máquina; e C3 AI Ex Machina, uma solução de IA sem código para aplicar a ciência de dados a problemas de negócios cotidianos. O núcleo das ofertas da C3 AI é uma arquitetura de IA aberta e orientada por modelos que simplificam drasticamente a ciência de dados e o desenvolvimento de aplicativos. Saiba mais em: www.c3.ai.
O texto no idioma original deste anúncio é a versão oficial autorizada. As traduções são fornecidas apenas como uma facilidade e devem se referir ao texto no idioma original, que é a única versão do texto que tem efeito legal.
Ver a versão original em businesswire.com: https://www.businesswire.com/news/home/20210611005471/pt/
Contato:
Contato da C3.ai DTI
Kap Stann
Gerente de comunicação, C3.ai DTI @ Berkeley
(510) 295-9685
Relações públicas da C3 AI
Edelman
Lisa Kennedy
415-914-8336
Relacionamento com investidores
Fonte: BUSINESS WIRE