Description du projet
L’apprentissage automatique pour renforcer les connaissances sur les répercussions de l’interaction entre les aérosols et les nuages
L’accord de Paris sur le climat représente un grand pas en avant dans la résolution du problème lié au changement climatique. Toutefois, un vaste éventail de difficultés surgissent dans sa mise en œuvre. L’un des principaux obstacles est le manque de preuves scientifiques sur le forçage de gaz différents des gaz à effet de serre touché par les interactions entre les aérosols et les nuages. Même si la science des mégadonnées a été employée pour mieux comprendre les interactions climatiques entre les aérosols et les nuages, l’intelligence artificielle (IA) et l’apprentissage automatique ne sont pas encore totalement appliqués dans les sciences climatiques et les scientifiques ne sont pas suffisamment formés. Le projet iMIRACLI, financé par l’UE, propose la fusion de l’IA, de l’apprentissage automatique et des sciences climatiques pour étudier les données actuelles et renforcer nos connaissances sur les répercussions de l’interaction aérosols-nuages. Le projet formera des chercheurs en début de carrière pour obtenir une nouvelle génération d’experts en données climatiques.
Objectif
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.
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: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles sciences de la Terre et sciences connexes de l'environnement sciences de l'atmosphère climatologie
- sciences sociales économie et affaires entreprise et gestion emploi
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.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
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.1.3.1. - Fostering new skills by means of excellent initial training of researchers
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-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)
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-ITN-2019
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.
OX1 2JD Oxford
Royaume-Uni
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.