Descripción del proyecto
Flujos de trabajo de inteligencia artificial explicables para datos masivos de Copernicus
El proyecto DeepCube, financiado con fondos europeos, aprovecha los avances en los campos de la inteligencia artificial (IA) y la web semántica para liberar el potencial de los datos masivos de Copernicus. DeepCube tiene por objeto abordar problemas de gran impacto socioambiental y mejorar la comprensión de los procesos de la Tierra relacionados con el cambio climático. El proyecto emplea tecnologías TIC —como Earth System Data Cube, Semantic Cube, la plataforma Hopsworks y una herramienta de visualización de vanguardia— y las integra en una plataforma abierta e interoperable que puede desplegarse en infraestructuras en la nube y de informática de alto rendimiento. DeepCube desarrollará arquitecturas de aprendizaje profundo (AP) que se amplían a datos no convencionales, aplicará una modelización híbrida para modelos de IA basados en datos que respeten las leyes físicas y abrirá la caja negra del AP con IA explicable y causalidad.
Objetivo
DeepCube leverages advances in the fields of AI and semantic web to unlock the potential of big Copernicus data. DeepCube is impact driven; our objective is to address new and ambitious problems that imply high environmental and societal impact, enhance our understanding of Earth’s processes, correlated with Climate Change, and feasibly generate high business value.
To achieve this we bring mature and new ICT technologies, such as the Earth System Data Cube, the Semantic Cube, the Hopsworks platform for distributed DL, and a state-of-the-art visualisation tool tailored for linked Copernicus data, and integrate them to deliver an open and interoperable platform that can be deployed in several cloud infrastructures and HPC, including DIAS environments.
We then use these tools to develop novel DL pipelines to extract value from big Copernicus data. We implement a shift in the use of AI pipelines. DeepCube 1) develops novel DL architectures that extend to non-conventional data and problems settings, such as interferometric SAR, social network data, and industrial data, 2) introduces a novel hybrid modeling paradigm for data-driven AI models that respect physical laws, and 3) opens-up the DL black box through Explainable AI and Causality. We showcase these in five Use Cases (UC), two business, two on earth system sciences, and one for humanitarian aid. These are:
UC1: Forecasting localized extreme drought and heat impacts in Africa,
UC2: Climate induced migration in Africa,
UC3: Fire hazard short-term forecasting in the Mediterranean,
UC4a: Automatic volcanic deformation detection and alerting and UC4b: Deformation trend change detection on PSI time-series for critical infrastructure monitoring,
UC5: Copernicus services for sustainable and environmentally-friendly tourism.
Ámbito científico
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-SPACE-2020
Régimen de financiación
RIA - Research and Innovation actionCoordinador
11810 Athina
Grecia