Avec ce projet, on mettra au point des techniques générales d'apprentissage automatique qui produiront des graphes applicables à la conception intelligente, notamment pour la recherche de nouveaux matériaux, la création de circuits complexes et l'élaboration de médicaments inédits. La recherche se concentrera sur l'usage des modèles génératifs obtenus par apprentissage profond et apprentissage par renforcement en vue de la production de graphes aux propriétés optimales. Le projet est une collaboration entre les HEC de Montréal (HEC) et le CNRC. Les HEC développeront les cadres génératifs qui serviront aux représentations graphiques produites par les modèles génératifs à apprentissage profond et apprentissage par renforcement. Le CNRC dispensera son expertise en apprentissage automatique et en apprentissage profond.
Équipe
Jian Tang (Ph. D.)
Jian Tang est professeur adjoint à l'institut Mila du Québec en recherche sur l'intelligence artificielle et aux HEC de Montréal. Expert en apprentissage profond, apprentissage par représentation graphique et réseaux neuronaux graphiques, notamment pour la recherche de médicaments et de matériaux ainsi que les graphes de connaissances, M. Tang est le chercheur principal attaché au projet.
Plus sur M. Tang (anglais seulement).
Harry Guo (Ph. D.)
Harry Guo est agent de recherche au Conseil national de recherches du Canada et professeur associé à l'École de science informatique et de génie électrique de l'Université d'Ottawa. Il possède une vaste expertise dans les modèles génératifs obtenus par apprentissage profond et apprentissage par renforcement, notamment leur utilisation pour la production de données.
Plus sur M. Guo (anglais seulement).