Opis projektu
Uczenie maszynowe w celu zwiększania wiedzy na temat wymuszenia radiacyjnego aerozoli i chmur
Porozumienie klimatyczne z Paryża to ogromny krok w kierunku rozwiązania problemu zmiany klimatu. Jego wdrożenie nastręcza jednak szereg trudności. Główną przeszkodą jest brak dowodów naukowych na wymuszenie radiacyjne gazów innych niż cieplarniane pod wpływem interakcji pomiędzy aerozolami a chmurami. Mimo że do zrozumienia tych interakcji oraz ich wpływu na zmianę klimatu wykorzystuje się technologię dużych zbiorów danych, sztuczna inteligencja i uczenie maszynowe nie są jeszcze w pełni stosowane w badaniach klimatu, a naukowcy nie są odpowiednio przeszkoleni. Zespół finansowanego ze środków UE projektu iMIRACLI proponuje połączyć sztuczną inteligencję, uczenie maszynowe i nauki o klimacie w celu przeanalizowania istniejących danych i zwiększenia naszej wiedzy na temat wpływu wymuszenia radiacyjnego aerozoli i chmur na klimat. W ramach projektu przeszkoleni zostaną naukowcy na wczesnym etapie kariery, którzy staną się podstawą nowego pokolenia ekspertów ds. danych klimatycznych.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- nauki przyrodnicze nauki o Ziemi i pokrewne nauki o środowisku nauki o atmosferze klimatologia
- nauki społeczne ekonomia i biznes biznes i zarządzanie zatrudnienie
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Przepraszamy… podczas wykonywania operacji wystąpił nieoczekiwany błąd.
Wymagane uwierzytelnienie. Powodem może być wygaśnięcie sesji.
Dziękujemy za przesłanie opinii. Wkrótce otrzymasz wiadomość e-mail z potwierdzeniem zgłoszenia. W przypadku wybrania opcji otrzymywania powiadomień o statusie zgłoszenia, skontaktujemy się również gdy status ulegnie zmianie.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu -
H2020-EU.1.3.1. - Fostering new skills by means of excellent initial training of researchers
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) H2020-MSCA-ITN-2019
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaKoordynator
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
OX1 2JD Oxford
Zjednoczone Królestwo
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.