Opis projektu
Modelowanie klimatu dla zmieniającego się świata
W miarę nasilania się zmian klimatycznych przewidywanie wzorców pogodowych i wpływu na klimat staje się coraz bardziej skomplikowane. Tradycyjne modele zmagają się z ograniczeniami specyficznymi dla zadania i wysokimi wymaganiami obliczeniowymi, przez co często nie nadążają za szybko zmieniającymi się danymi. Wyzwania te utrudniają dostarczanie dokładnych, aktualnych informacji na potrzeby różnych zastosowań, od prognozowania energii odnawialnej po gotowość na wypadek katastrof. Sprostanie tym wymaganiom wymaga elastycznego podejścia do modelowania systemu ziemskiego. Finansowany ze środków UE projekt WeatherGenerator zbuduje najnowocześniejszy model fundamentalny jako nowego cyfrowego bliźniaka dla inicjatywy Komisji Europejskiej „Kierunek Ziemia”. Oparty na zaawansowanym uczeniu reprezentacji, projekt integruje obszerne dane systemu ziemskiego i wykorzystuje europejskie superkomputery, aby zaoferować szybkie, dokładne prognozy dla różnych zastosowań, wyznaczając nowy standard innowacji w zakresie modelowania klimatu.
Cel
This project will build the WeatherGenerator the worlds best generative Foundation Model of the Earth system that will serve as a new Digital Twin for Destination Earth. The WeatherGenerator will be based on representation learning and create a general and versatile tool that models the dynamics of the Earth system based on a large variety of Earth system data. The WeatherGenerator will be task-independent and will improve results for a wide range of machine learning applications when compared to task specific machine learning tools. It will also be more resilient for climate applications when the underlying data distributions are changing, and it will lead to a significant reduction in computational costs and faster turnaround times.
To achieve this, we will: (1) Collect and use the most important datasets of Earth system science including data from Digital Twins of Destination Earth, selected observations, analysis and reanalysis datasets, and output of conventional Earth system models. (2) Build the WeatherGenerator as a novel representation learning-based machine learning tool that exploits the full potential of Europes largest supercomputers. (3) Engage with the wider community via services and apply the WeatherGenerator for 22 selected applications that can be integrated into the Destination Earth framework. The applications include global and local predictions, local downscaling, data assimilation, model post-processing, and impact applications in the domains of renewable energy, water, health and food.
The project consortium that will build the WeatherGenerator consists of experts in machine learning, supercomputing and Earth system sciences, and includes industry, SMEs, and leading operational weather centers. The WeatherGenerator will lead to key innovations in weather and climate science and machine learning to enable Europe to establish and defend leadership with respect to machine-learning based Earth system modelling.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznasprzęt komputerowysuperkomputer
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
RG2 9AX Reading
Zjednoczone Królestwo