European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Order at the Mesoscale: Connecting supercomputing of compressible convection to classical and quantum machine learning

Descrizione del progetto

Comprendere l’origine e il ruolo dei sistemi convettivi a mesoscala

La convezione a mesoscala è spesso rilevata sotto forma di schemi ordinati della durata di diverse ore. Si tratta di sistemi che non sono presenti su scale più piccole e più grandi e si evolvono in modi imprevedibili, costituendo un’importante fonte di incertezza nella prognosi dei cambiamenti climatici. Nei modelli climatici che descrivono l’evoluzione a lungo termine dell’atmosfera terrestre, questi processi sono estremamente semplificati e vengono definiti come flussi aggiuntivi di calore. Il progetto MesoComp, finanziato dall’UE, condurrà simulazioni parallele per approfondirne le dinamiche, l’origine e il ruolo nel trasporto di calore e della quantità di moto. Queste simulazioni ad alta fedeltà guideranno la progettazione di modelli di apprendimento automatico classici e quantistici con l’obiettivo di prevedere l’evoluzione e le statistiche dei sistemi convettivi a mesoscala e quantificare i flussi di trasporto oltre questa dimensione.

Obiettivo

Turbulent convection flows in nature display prominent patterns in the mesoscale range whose characteristic length in the horizontal directions exceeds the system scale height. Known as the turbulent superstructure of convection, they are absent on both larger and smaller scales and evolve in ways not yet understood; but they are an essential link in the heat and momentum transport to larger scales, an important driver of intermittent fluid motion at sub-mesoscales, and one major source of uncertainty in the prognosis of climate change and space weather. In MesoComp, I will investigate the formation of superstructures in massively parallel simulations of compressible turbulent convection in horizontally extended domains, aiming for a deeper understanding of their dynamical origin and role in the transport of heat and momentum. I will then use these high-fidelity simulations to build recurrent machine learning models to predict the evolution and statistics of the superstructure and thus quantify the transport fluxes beyond the mesoscale. I will also analyse the impact of the mesoscale structures on the highly intermittent statistics at the small-scale of the flow and reveal the resulting feedback in the form of improved subgrid parametrizations by means of generative machine learning. MesoComp opens additional doors to the application of quantum algorithms in machine learning which significantly improve the statistical sampling and data compression properties compared to their classical counterparts. From a longer-term perspective, my research results in a quantum advantage for the numerical analysis of classical turbulence, which accelerates the parametrizations of mesoscale convection and increases their fidelity. This work will finally lead to more precise predictions of the on-going climate change and global warming. The results will also improve solar activity models and thus solar storm prognoses with impacts on satellite communication and electrical grids.

Istituzione ospitante

TECHNISCHE UNIVERSITAET ILMENAU
Contribution nette de l'UE
€ 2 500 000,00
Indirizzo
EHRENBERGSTRASSE 29
98693 Ilmenau
Germania

Mostra sulla mappa

Regione
Thüringen Thüringen Ilm-Kreis
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 2 500 000,00

Beneficiari (1)