Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Data-driven Simulations for Understanding Reconnection and GEomagnetism

Descrizione del progetto

Usare l’IA per prevedere il meteo spaziale e proteggere i satelliti

Le condizioni meteorologiche spaziali comportano gravi rischi per i satelliti, le navicelle spaziali e le infrastrutture moderne sulla Terra, perché gli elettroni energetici nei plasmi spaziali possono danneggiare le tecnologie. Tuttavia, i modelli attuali non riescono a descrivere la fisica microscopica di queste particelle per simulare e prevedere le tempeste magnetiche. In base a tale premessa, il progetto D-SURGE, finanziato dal CER, svilupperà un modello magneto-fluido globale del plasma che integra l’intelligenza artificiale per rappresentare la fisica su piccola scala. Addestrando algoritmi di apprendimento automatico su simulazioni avanzate, il progetto colmerà il divario tra processi locali e globali, offrendo una precisione senza precedenti nella modellazione del meteo spaziale. Questo approccio, convalidato in base ai dati delle missioni spaziali, chiarirà come il vento solare alimenta l’attività magnetosferica e come le particelle accelerano durante le sottotempeste.

Obiettivo

Understanding and predicting energization of particles in space plasmas, e.g. during sub-storms in magnetosphere, is a profound scientific challenge which is hampered by the complex multi-scale interactions in plasma. At present there is no global model which reliably captures the microscopic effects of energetic electrons which participate in matter and energy transfer in the Earth's space environment. These electrons may precipitate and present hazard for our space born assets such as satellites and space missions. The goal is to build a global physics-based magneto-fluid model of plasma with AI component that represents such microscopic physics via machine learning algorithms trained on particle in cell (PIC) simulations. By introducing physics-informed data-driven models, we aim to bridge the gap between local and global scales, offering unprecedented accuracy in simulating space weather phenomena. Such data-driven models will allow us to better understand and predict the evolution of magnetic storms crucial for safeguarding modern technological infrastructure.
What makes this goal now possible in this interdisciplinary project are the advances in scientific machine learning in meteorology which the PI plans to bringing from environmental data science to plasma physics as well as the PI's current involvement in energy-conserving Particle in Cell simulations and previous experience in kinetic and magneto-fluid modelling. These innovations will lead to physics-informed data driven model that will be validated with space mission observations. If successful, we will have multi-scale multi-fluid models of plasma that will uncover magnetospheric loading by solar wind and the mechanisms behind acceleration of particles during magnetic sub-storms.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2025-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

UNIVERSITY OF NORTHUMBRIA AT NEWCASTLE
Contributo netto dell'UE
€ 1 500 000,00
Indirizzo
SUTHERLAND BUILDING COLLEGE STREET
NE1 8ST NEWCASTLE UPON TYNE
Regno Unito
Regione
North East (England) Northumberland and Tyne and Wear Tyneside
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 1 500 000,00

Beneficiari (2)