Description du projet
Apprentissage automatique pour les modèles robustes en physique des plasmas
Les modèles cinétiques complexes décrits par l’équation de Vlassov sont simplifiés en physique des plasmas par le processus de fermeture pour aboutir à des modèles magnéto-fluides. Bien que ces modèles simplifiés nécessitent moins de puissance de calcul, ils présentent des limites dans les applications où les collisions de particules sont peu fréquentes. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet STRIDE utilisera l’apprentissage automatique pour créer des modèles avec moins de degrés de liberté afin de décrire les processus cinétiques pour la modélisation de l’environnement géospatial (MEG), tels que la reconnexion magnétique. Il utilisera des réseaux neuronaux profonds et la découverte d’équations pour corriger les modèles de type fluide, qui seront testés dans des simulations numériques. Le projet abordera les défis liés à la solidité des modèles, à la quantification de l’incertitude et à la génération d’événements extrêmes. Les modèles entraînés seront mis à la disposition du public afin de soutenir la recherche.
Objectif
Plasma physics has seen a long tradition of deriving simplified models such as magnetohydrodynamics through a process known as closure: starting from computationally demanding kinetics and following various analytical approximate schemes resulting in fluid-type models which are less accurate but more tractable. Due to smaller computational footprint these models have found applications in space weather modelling and fusion. The problem is that in many interesting applications, e.g. where collisions between particles are rare, the analytic closures have limitations.
The goal of STRIDE (Systematic Techniques for Robust Inference and Data-driven Explainable closures for plasma) is to use machine learning to construct models with fewer degrees of freedom that describe kinetic processes relevant for Geospace Environmental Modelling (GEM), such as magnetic reconnection. Corrections to fluid-type models will be learned with deep neural networks and equation discovery and tested in numerical simulations. The important challenge involves understanding how such surrogates can be made robust against out-of-distribution shifts (i.e. different physical conditions) and numerical instabilities. Thus the closures will be first trained on data generated by high fidelity physics-based model, e.g. kinetic Particle-in-Cell simulations, for a specific set of parameters and then transfer learning will be applied to a different set of parameters to improve robustness. Uncertainty quantification and the ability to generate extremes will be investigated.
The scientific question to be addressed here include: how can we interpret the trained models using explainable AI, what are the optimal ways of performing transfer learning and fine-tuning on the observational data, are there physical considerations (such as conservation laws or symmetries) that can reduce the costs associated with training such machine learning models? Trained models will be made open-source to foster research.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2023-PF-01
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
3000 LEUVEN
Belgique
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.