Descripción del proyecto
Utilizar la inteligencia artificial para resolver problemas científicos del sistema terrestre
La Tierra suele verse como un sistema complejo e interconectado. Mediante técnicas de inteligencia artificial como el aprendizaje profundo, la causalidad, la inteligencia artificial explicable y el aprendizaje automático consciente de la física, y aprovechando las capacidades predictivas del aprendizaje autosupervisado y las redes neuronales gráficas, el equipo del proyecto ThinkingEarth, financiado con fondos europeos, pretende desarrollar modelos de cimientos de Copernicus independientes de las tareas y un modelo de representación gráfica de la Tierra. Asimismo, demostrará el valor de dichos activos mediante aplicaciones derivadas a pequeña escala y casos de uso a gran escala que integren Copernicus con conjuntos de datos industriales y de usuarios ajenos a la observación de la Tierra. Los casos de uso abordarán cuestiones de gran impacto socioambiental y nuevas oportunidades de crecimiento empresarial. Algunos ejemplos son la aceleración de la neutralidad energética de Europa mediante la creación de cadenas de valor de redes inteligentes, la evaluación del impacto de la emergencia climática en la biodiversidad y la seguridad alimentaria, así como la comprensión del sistema de teleconexiones de la Tierra con causalidad.
Objetivo
At ThinkingEarth, we view the Earth as a complex unified and interconnected system. To harness the power of Artificial Intelligence (AI), we use cutting-edge techniques, including deep learning, causality, eXplainable AI, and physics-aware Machine Learning. We leverage the predictive abilities of Self-Supervised Learning and Graph Neural Networks to develop task-agnostic Copernicus Foundation Models and a Graph representation model of the Earth. We demonstrate the potential of these assets through small-scale downstream Spotlight Applications, as well as large-scale use cases that integrate distributed industrial and user non-EO datasets. These use cases address ambitious problems with high socio-environmental impact and new business growth opportunities, such as accelerating Europe's clean energy transition and independence from volatile fossil fuels, understanding Earth's processes by modeling causal Earth system teleconnections, and assessing and modeling the impact of current and future Climate emergency in biodiversity and food security.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. La clasificación de este proyecto ha sido validada por su equipo.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. La clasificación de este proyecto ha sido validada por su equipo.
- ciencias naturalesinformática y ciencias de la informaciónciencia de datosmacrodatos
- ciencias naturalesciencias de la tierra y ciencias ambientales conexasciencias de la atmósferameteorologíaradiación solar
- ingeniería y tecnologíaingeniería ambientalteledetección
- ciencias naturalesciencias biológicasconservación de la biodiversidad
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automáticoaprendizaje profundo
Palabras clave
Programa(s)
Régimen de financiación
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinador
11810 Athina
Grecia