Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Machine learning and Data Assimilation to estimate and correct model error in sea ice and coupled models |
|---|---|
| Titolo del progetto di ricerca in inglese | MELTED - MachinE Learning for arcTic ice prEDiction |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | - |
| Descrizione sintetica in italiano | La regione artica è vitale nel sistema climatico, è fortemente influenzata dai cambiamenti climatici ed è uno dei suoi fattori trainanti. I cambiamenti artici hanno una rilevanza socioeconomica oltre che una dimensione geopolitica. Comprendere le cause di questi cambiamenti è di fondamentale importanza, ma esistono ancora lacune sostanziali. I processi sono stati tradizionalmente modellati su base fisica teorica e sulla parametrizzazione delle scale irrisolte. Al giorno d’oggi, la maggiore potenza computazionale e i progressi nell’apprendimento automatico (ML) offrono nuove opportunità. L’obiettivo di MELTED è migliorare la comprensione dei fenomeni legati al ghiaccio nella regione artica integrando modelli fisici con ML. Utilizzeremo ML per svelare collegamenti causali tra variabili che sono travisate negli attuali modelli fisici. Combatteremo la scarsità dei dati integrando l'assimilazione dei dati con il machine learning per costruire modelli ibridi fisici e basati sui dati. |
| Descrizione sintetica in inglese | The Arctic region plays a vital role in the climate system, it is strongly affected by climate change, and in turn one of its drivers. Arctic changes have a socio-economical relevance as well as a geopolitical dimension. Understanding the causes of these changes is of paramount importance yet substantial gaps still exist. Arctic processes have been traditionally modelled following physics-based frameworks that rely on theoretical knowledge of the evolution laws and parametrization of the unresolved scales. Nowadays, increased computational power and advances in machine learning (ML) offer new opportunities. MELTED’s goal is to improve our understanding of ice-related phenomena in the Arctic region by integrating physics-based models with ML. We will use interpretable ML to unveil causal links between variables that are misrepresented in current physical models. We will combat data sparseness by integrating data assimilation with ML to build hybrid physical and data-driven models. |
| Data del bando | 08/03/2024 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI FISICA E ASTRONOMIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| alberto.carrassi@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 31/03/2024 |
|---|---|
| Come candidarsi | Other |