Projektbeschreibung
Neuronale Netze für die Modellierung der Plattentektonik
Die hemmenden Faktoren, die sich aus dem Erdmantel für die Nettorotation der Lithosphäre ergeben, können nicht aus der ozeanischen Kruste bestimmt werden, weil diese durch Plattentektonik zerstört wird. Andererseits gibt es in der Plattentektonik wiederum selbstorganisierende und statistisch vorhersagbare Muster, die von neuronalen Netzen erlernt werden können. Das Projekt TEMPO wird solchen Netzen beibringen, anhand aktueller Erddaten, synthetischer Daten und der Gesetze der Physik Schätzungen für die Nettorotation zu erstellen. Sie werden also Vorschläge für tektonische Bewegung und Mantelkonvektion ausgeben, die dann mit geologischen Daten abgeglichen werden und zu weiteren Forschungsarbeiten und der Modellierung der Plattentektonik beitragen.
Ziel
Plate tectonics processes continuously destroy oceanic crust, which contain the most reliable record of plate motion. There is therefore little data to constrain net rotation of the lithosphere with respect to the deep mantle, constraints on which are required to produce accurate reference frames for plate motion, The location of intra-oceanic plate boundaries and bathymetry in the geological past are also lost. I will use state-of-the-art numerical convection simulations combined with state-of-the-art machine learning techniques to put constraints on both net rotation and the location of plate boundaries with uncertainty estimates. This is possible due to the self-organising and statistically predictable nature of plate tectonics. I will develop one set of neural networks to make inferences for net rotation with uncertainties given observation of continent positions and movement. The networks will take both synthetic and real geological observations as training inputs and produce estimates for net rotation. They will be thoroughly tested using synthetic data and benchmarked using present-day Earth data, thereby testing both the networks and the physics behind the convection simulations. The networks will then be applied to the geological past. A second set of networks will treat the lack of information on oceanic plate boundaries as an image completion problem to fill the gaps in geological data. They will be trained to produce proposals for the location and type of oceanic plate boundaries that are consistent with the physics behind tectonic motion and mantle convection. The networks learn about the physics from the database of convection simulations. These proposals can be assessed against geological and palaeo-oceanographic data, provide suggestions for alternative solutions, give an indication of uncertainties and guide future data collection and modelling work.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und InformationswissenschaftenDatenbank
- NaturwissenschaftenGeowissenschaften und verwandte UmweltwissenschaftenGeologieSeismikPlattentektonik
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-MSCA-IF-2018
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF-EF-ST - Standard EFKoordinator
75230 Paris
Frankreich