Sodobna znanost ustvarja izjemno velike količine podatkov, vendar številna orodja umetne inteligence (UI) delujejo kot t. i. »črne skrinjice«, katerih notranje delovanje in odločitveni procesi so pogosto težko razumljivi. Posledično je razlaga napovedi omejena, v določenih primerih pa lahko modeli spregledajo celo osnovne zakonitosti ali dejavnike. Za napredek znanosti potrebujemo razložljivo umetno inteligenco, ki spoštuje temeljna fizikalna načela, omogoča integracijo večmodalnih podatkov (slikovnih, besedilnih, numeričnih) ter učinkovito povezuje eksperimentalno znanje z ugotovitvami iz literature. Tak pristop lahko pomembno pospeši razvoj na številnih področjih – od medicine in biotehnologije do materialov in okoljskih znanosti.

Projekt je organiziran v 4 delovne sklope: (A) razložljivo stojno učenje (vključno z nevronsko-simbolnimi metodami, razlago napovedi, spremljanjem trendov v literaturi), (B) multimodalni temeljni modeli (zdravje, onkologija, materiali), (C) avtomatizirano modeliranje z odkrivanjem enačb in diferencialnih enačb, (D) ontologije in podatkovne baze za FAIR/odprto znanost ter AutoML/AutoOPT. Predvideni so konkretni primeri: predsejanje mamografij in prognostika pri primarnih možganskih tumorjih, dizajn saRNA in zdravil, modeliranje jezera Bled, elektrokataliza ter spletne “observatorije” znanstvenih trendov. 

Cilj je razviti razložljive, večmodalne in semantično utemeljene pristope, ki temeljijo na umetni inteligenci, jih preveriti v izbranih znanstvenih domenah ter vzpostaviti odprto infrastrukturo (modeli, podatki, ontologije) za ponovljivo, razložljivo in prenosljivo umetno inteligenco v znanosti. Projekt vodi slovenski konzorcij: Inštitut Jožefa Stefana, Univerza v Ljubljani, Kemijski Inštitut, Univera v Mariboru, Nacionalni inštitut za biologijo.