Projektbeschreibung
Durch maschinelles Lernen den Einfluss von Aerosolwolken verstehen
Das Übereinkommen von Paris ist ein großer Schritt auf dem Weg zu einer Lösung des Klimawandelproblems. Doch bei der Umsetzung treten viele verschiedene Schwierigkeiten auf. Ein Hauptproblem ist die mangelnde wissenschaftliche Nachweislage zum Klimaantrieb durch Gase, die keine Treibhausgase sind und von Aerosolwolken beeinflusst werden. Zwar hat die Wissenschaft bereits auf Big Data zurückgegriffen, um die Wechselwirkungen zwischen Aerosolwolken und Klima genauer zu verstehen, doch noch immer kommen künstliche Intelligenz (KI) und maschinelles Lernen in der Klimaforschung nicht vollständig zum Einsatz und Wissenschaftlerinnen und Wissenschaftler sind noch nicht adäquat ausgebildet. Das EU-finanzierte Projekt iMIRACLI schlägt vor, KI, maschinelles Lernen und Klimaforschung miteinander zu verknüpfen, um bestehende Daten tiefer zu analysieren und den Kenntnisstand über den Einfluss von Aerosolwolken zu erweitern. In dem Projekt werden Nachwuchsforscherinnen und -forscher zu einer neuen Generation von Klima- und Datenfachleuten ausgebildet.
Ziel
Climate change is one of the most urgent problems facing mankind. Implementation of the Paris climate agreement relies on robust scientific evidence. Yet, the uncertainty of non-greenhouse gas forcing associated with aerosol-cloud interactions limits our constraints on climate sensitivity. Radically new ideas are required. While the majority of forcing estimates are model based, model uncertainties remain too large to achieve the required uncertainty reductions. The quantification of aerosol cloud climate interactions in Earth Observations is thus one of the major challenges of climate science. Progress has been hampered by the difficulty to disentangle aerosol effects on clouds and climate from their covariability with confounding factors, limitations in remote sensing, very low signal-to-noise ratios as well as computationally, due to the scale of the big (>100Tb) datasets and their heterogeneity. Such big data challenges are not unique to climate science but occur across a wide range of data science applications. Innovative techniques developed by the AI and machine learning community show huge potential but have not yet found their way into climate sciences – and climate scientists are currently not trained to capitalise on these advances. The central hypothesis of IMIRACLI is that merging machine learning and climate science will provide a breakthrough in the exploration of existing datasets, and hence advance our understanding of aerosol-cloud forcing and climate sensitivity. Its innovative training plan will match each ESR with supervisors from climate and data sciences as well as a non-academic advisor and secondment and provide them with state-of-the-art data and climate science training. Partners from the non-academic sector will be closely involved in each of the projects and provide training in a commercial context. This ETN will produce a new generation of climate data scientists, ideally trained for employment in the academic and commercial sectors.
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: Das European Science Vocabulary.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
- Naturwissenschaften Geowissenschaften und verwandte Umweltwissenschaften Atmosphärenwissenschaften Klimatologie
- Sozialwissenschaften Wirtschaftswissenschaften Business und Management Erwerbstätigkeit
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
HAUPTPROGRAMM
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen -
H2020-EU.1.3.1. - Fostering new skills by means of excellent initial training of researchers
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)
Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
(öffnet in neuem Fenster) H2020-MSCA-ITN-2019
Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigenKoordinator
Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.
OX1 2JD Oxford
Vereinigtes Königreich
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.