Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Transferable and Principled Neural Operators for 3D Ocean Forecasting in Regional Seas: A Baltic Sea Case

Opis projektu

Fale AI: zaawansowane prognozowanie oceanów w 3D

Tradycyjne prognozowanie stanu oceanów opiera się na powolnych i wymagających dużych mocy obliczeniowych modelach fizycznych, co utrudnia przewidywanie ekstremalnych zjawisk wywołanych zmianą klimatu. Projekt ODyNO, korzystający ze wsparcia programu działania „Maria Skłodowska-Curie”, ma na celu usunięcie tych ograniczeń poprzez opracowanie modelu operatora neuronowego do prognozowania oceanów w 3D. Operatory neuronowe służą do uczenia się złożonych rozwiązań matematycznych, umożliwiając szybkie i wysokorozdzielcze prognozy wielomodelowe, co wymaga znacznie mniejszej mocy obliczeniowej niż obecnie stosowane metody. Zespół projektu ODyNO przeprowadzi test porównawczy tego opartego na sztucznej inteligencji podejścia z obecnymi systemami obliczeniowymi, wykorzystując w tym celu obszerne zbiory danych. Ostatecznym celem projektu jest zwiększenie odporności na zmiany klimatu i bezpieczeństwa morskiego poprzez dostarczenie narzędzi niezbędnych do szybszego funkcjonowania systemów wczesnego ostrzegania i zrównoważonego zarządzania zasobami oceanów.

Cel

Accurate and timely ocean forecasting is essential for enhancing climate resilience, ensuring maritime safety, and supporting sustainable marine resource management. Operational ocean forecasting systems largely rely on physics-based numerical models; however, their computational demands, reliance on spatial and temporal discretization, and dependence on parameterized subgrid-scale processes limit their scalability, adaptability, and capacity to produce large, rapid ensemble forecasts. As climate change increases the frequency and intensity of extreme ocean events, the need for fast and accurate forecasting becomes even more critical to support early warning systems and informed decision-making. To address these challenges, this project will develop a transferable and principled neural operator model for 3D ocean forecasting. Neural operators are designed to learn the solution operators of partial differential equations (PDEs), enabling mappings between infinite-dimensional function spaces. Once trained, they enable rapid, high-resolution ensemble forecasting while reducing dependence on costly computational infrastructure. This project brings together expertise in machine learning and operational ocean forecasting, enabling a mutually beneficial exchange of knowledge between the researcher and the host institution. At the University of Copenhagen, the fellow will leverage extensive datasets, computational infrastructure, and expert guidance to develop this data-driven model, rigorously evaluate its predictive skill, and benchmark its performance against existing operational ocean forecasting systems. Dissemination activities will target scientific communities where immediate impact is anticipated, including those focused on climate adaptation, natural hazard mitigation, and sustainable ocean management. Together with the host’s capabilities and track record, this ambitious project is well-positioned for success, supporting the fellow’s career development.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

KOBENHAVNS UNIVERSITET
Wkład UE netto
€ 263 393,28
Koszt całkowity
Brak danych

Partnerzy (1)