WeatherGenerator – en generativ grundmodell av jordsystemet

WeatherGenerator ska skapa ett allmänt och mångsidigt verktyg som modellerar jordsystemets dynamik baserat på en stor mängd jordsystemdata. Den kommer att baseras på representationsinlärning, en typ av maskininlärning som identifierar och lär sig samband mellan olika indata. WeatherGenerator kommer att vara uppgiftsoberoende och kommer att förbättra resultaten för ett brett spektrum av maskininlärningstillämpningar jämfört med uppgiftsspecifika maskininlärningsverktyg. Den kommer också att vara mer motståndskraftig när klimatet förändras. Det kommer att leda till en betydande minskning av beräkningskostnaderna och snabbare handläggningstider.

För att uppnå detta kommer projektet att:

• Samla in och använda de viktigaste dataseten inom jordsystemvetenskap, inklusive data från digitala tvillingar av Destination Earth, utvalda observationer, analys- och återanalysdataset samt resultat från konventionella jordsystemmodeller.
• Bygga WeatherGenerator som ett nytt maskininlärningsverktyg baserat på representationsinlärning som utnyttjar den fulla potentialen hos Europas största superdatorer.
• Samarbeta med samhället i stort via tjänster och tillämpa WeatherGenerator för 22 utvalda tillämpningar som kan integreras i Destination Earth-ramverket. Tillämpningarna omfattar globala och lokala prognoser, lokal nedskalning, dataassimilering, efterbearbetning av modeller och tillämpningar som påverkar förnybar energi, vatten, hälsa och livsmedel.

Projektkonsortiet som ska bygga WeatherGenerator består av experter inom maskininlärning, superdatorer och geovetenskap, och inkluderar industrin, små och medelstora företag och ledande operativa vädercenter. WeatherGenerator kommer att leda till viktiga innovationer inom väder- och klimatvetenskap och maskininlärning för att göra det möjligt för Europa att etablera och försvara ledarskap när det gäller maskininlärningsbaserad modellering av jordsystemet.