Description du projet
Percer les mystères de notre passé préhistorique grâce à l’intelligence artificielle
L’histoire climatique de la Terre peut être étudiée en analysant des carottes de glace, des cylindres de glace forés dans les calottes glaciaires du Groenland et de l’Antarctique ou dans les glaciers alpins. Parmi les impuretés présentes dans ces carottes de glace figurent des particules insolubles, notamment des particules de verre volcanique ou des particules d’origine biologique (par exemple du pollen et des algues). L’identification de ces particules est cruciale pour comprendre les conditions passées et les interactions entre les différentes composantes du système climatique. Le projet ICELEARNING, financé par l’UE, mettra au point une technique d’identification automatique des particules insolubles dans les carottes de glace qui recourra à des techniques de reconnaissance de formes via l’intelligence artificielle. Ces méthodes révolutionnaires, automatiques et non destructives, pourraient révéler d’autres informations sur les changements climatiques et environnementaux en Antarctique au cours des dernières 1,5 million d’années écoulées.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/fr/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/fr/web/eu-vocabularies/euroscivoc.
- sciences naturelles sciences de la Terre et sciences connexes de l'environnement paléontologie paléoclimatologie
- sciences naturelles sciences de la Terre et sciences connexes de l'environnement géologie volcanologie
- sciences naturelles sciences physiques optique microscopie
- sciences naturelles sciences de la Terre et sciences connexes de l'environnement sciences de l'atmosphère météorologie biosphère
- sciences naturelles informatique et science de l'information intelligence artificielle reconnaissance des formes
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
MSCA-IF-EF-ST - Standard EF
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2018
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
30123 VENEZIA
Italie
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.