Международното изследователско сътрудничество работи за иновации в настоящите климатични модели

Машинното обучение и науката за данни се използват в областта на науката за климата за напредък в изследванията и решенията на глобалната криза. Едно новаторско сътрудничество е „Многомащабно машинно обучение в моделиране на свързана земна система (M²LInES)“, което се стреми да разшири текущото разбиране на климатичния процес, да създаде нови модели за машинно обучение, „осъзнаващи физиката“, които могат да напреднат в изследванията на климата и да подобрят съществуващите климатични модели . Програмата е специално фокусирана върху изследванията на „интерфейса въздух-море-лед“.

Инициативата обединява екип от международни изследователи от Принстън, Колумбия, MIT, Земната обсерватория Ламонт-Дохърти (LDEO), Националния център за атмосферни изследвания (NCAR), Френския национален център за научни изследвания (CNRS-IGE) заедно с Институт Пиер-Симон Лаплас (CNRS-IPSL) и Нюйоркския университет. Преподавателите на CDS, участващи в проекта, са Joan Bruna и Carlos Fernandez-Granda заедно с професора, свързан с CDS, Laure Zanna. „Сътрудничеството с M²LINES беше изключително интересно и предизвикателно“, каза Карлос. „Опитваме се да приложим идеи от машинното обучение за справяне с реални проблеми в науката за климата.“

Джоан е доцент по компютърни науки и наука за данни, който работи с групата „CILVR (Computational Intelligence, Learning, Vision, and Robotics)“ в Нюйоркския университет. Изследователските му интереси обхващат машинно обучение, обработка на сигнали и статистика с големи размери. Като доцент по математика и наука за данни, Карлос изследва дизайна и анализа на методологията за наука за данни. Фокусът на неговата група е върху приложенията за машинно обучение в медицината, науката за климата и научните изображения.

Laure Zanna е професор по математика и наука за атмосферата/океана, която изследва динамиката на климатичната система, специално изучавайки влиянието на океана в местен и глобален мащаб. В Нюйоркския университет тя ръководи „Групата по физика на климата и океана“, която изследва нашето разбиране за динамиката на океана, за да подобри прогнозите за изменението на климата. Понастоящем тя е водещ главен изследовател за M²LInES, както и за екипа за климатични процеси на NSF-NOAA за океански транспорт и вихрова енергия, и директор по геонаука за Центъра за наука и технологии на NSF в LEAP (Изучаване на Земята с изкуствен интелект и физика) ).

И тримата изследователи наскоро публикуваха статии, изброени на страницата за публикации на M²LINES. Работата на Джоан „„За сближаването на градиентно спускане отвъд ръба на стабилността“” анализира градиентното спускане (известно още като най-стръмното спускане) в режим, при който размерът на стъпката (неговият критичен хиперпараметър) е отвъд идеалния праг, продиктуван от традиционната теория, мотивирана от модерни ML приложения, където тази теория не е приложима. И Карлос, и Лауре работиха върху „Сравнителен анализ на параметризациите на подмрежата на океана за машинно обучение в идеализиран модел““, който сравнява производителността на моделите за машинно обучение, използвани за параметризиране на специфични процеси в настоящите модели на океана, включително нов алгоритъм, разработен от екипа на NYU за откриване символен израз от данни. Карлос и Лауре също си сътрудничиха върху „Оценка на дълбоката вероятност““, публикувана в сборника на 39-та международна конференция за машинно обучение.

От Мерил Феър