Projektbeschreibung
Mit künstlicher Intelligenz die Mysterien unserer prähistorischen Vergangenheit entschlüsseln
Die Klimageschichte der Erde kann mit einer Analyse von Eiskernen untersucht werden – das sind Eiszylinder, die aus Eisplatten aus Grönland und der Antarktis oder aus Gletschern der Alpen heraus gebohrt werden. Unter den Verunreinigungen in Eiskernen befinden sich nicht lösbare Partikel genau so wie vulkanische Glaspartikel oder Partikel biologischen Ursprungs wie Pollen und Algen. Um die Bedingungen und Wechselwirkungen zwischen den Komponenten des Klimasystems zu verstehen, ist es von großer Bedeutung, diese Partikel zu erkennen. Im Rahmen des EU-finanzierten Projekts ICELEARNING wird eine Technik zur automatischen Erkennung nicht lösbarer Partikel in Eiskernen mithilfe von Mustererkennungstechniken mit künstlicher Intelligenz entwickelt. Diese bahnbrechenden automatischen und zerstörungsfreien Methoden können weitere Informationen über die Klima- und Umweltveränderungen in der Antarktis in den letzten 1,5 Millionen Jahren ergeben.
Ziel
The detection of insoluble particles trapped in ice or sediment cores, like pollen grains, foraminiferal and diatom assemblages, volcanic and dust particles represents the basis for paleoresearch on the biosphere, volcanism and oceanic and atmospheric realms. To date, except for ice core dust, this analytical goal is achieved during years of particle observations by manual microscopy. Artificial Intelligence predictive models are already applied to several research fields within geoscience, but up to date its implementation to paleoclimate is missing. With ICELEARNING, I aim to develop a two-phase routine for the automatic quantification of insoluble particles trapped in ice cores. The routine is based on a commercial Flow Imaging Microscope producing particle images from within melted ice samples. The images are then analyzed by Pattern Recognition algorithms which will be developed for automatic particle classification and counting. The routine will be specifically developed in order to be implemented in Continuous Flow Analysis (CFA) systems, therefore surpassing the traditional methods by providing continuous particle records from ice cores. ICELEARNING methodology is suitable to any diluted sample, thus representing a ground-breaking analytical advancement from ice core science to marine geology. This innovative routine is automatic and non-destructive, imperative prerequisites for the future Antarctic ice core project analytical measurements, aiming to retrieve a continuous climatic and environmental record covering the last 1.5 Myr. ICELERNING will be developed at Ca’ Foscari University of Venice with Prof. Carlo Barbante, leading expert in trace and ultra-trace level impurity detections in ice cores and with the University of Bergen, a top institution in marine geology and paleoceanography. This unique synergy, in addition to the proposer’s knowledge of CFA systems and machine learning techniques will provide the best preconditions for the project success.
Wissenschaftliches Gebiet
- natural sciencesearth and related environmental sciencespalaeontologypaleoclimatology
- natural sciencesearth and related environmental sciencesgeologyvolcanology
- natural sciencesphysical sciencesopticsmicroscopy
- natural sciencesearth and related environmental sciencesatmospheric sciencesmeteorologybiosphera
- natural sciencescomputer and information sciencesartificial intelligencepattern recognition
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF-EF-ST - Standard EFKoordinator
30123 Venezia
Italien