Opis projektu
Odkrywanie tajemnic naszej prehistorii przy pomocy sztucznej inteligencji
Do badania historii ziemskiego klimatu Ziemi można wykorzystywać analizę rdzeni lodowych – walcowatych próbek wydobywanych z pokryw lodowych na Grenlandii i Antarktydzie oraz pozyskanych z lodowców alpejskich. Wśród zanieczyszczeń występujących w rdzeniach lodowych znajdują się cząsteczki nierozpuszczalne, takie jak cząsteczki szkła wulkanicznego lub cząsteczki pochodzenia biologicznego, np. pyłki i glony. Wykrycie tych cząstek ma kluczowe znaczenie dla zrozumienia dawnych warunków i interakcji pomiędzy elementami systemu klimatycznego. W ramach finansowanego przez UE projektu ICELEARNING opracowana zostanie technika automatycznego wykrywania nierozpuszczalnych cząstek w rdzeniach lodowych z wykorzystaniem opartych na sztucznej inteligencji metod rozpoznawania wzorców. Te przełomowe metody automatyczne i nieniszczące mogą dostarczyć nowych danych na temat zmian klimatycznych i środowiskowych na Antarktydzie na przestrzeni ostatniego 1,5 miliona lat.
Cel
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.
Dziedzina nauki
- 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
Program(-y)
Temat(-y)
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
30123 Venezia
Włochy