Jülich Supercomputing Centre (JSC)

Unser ClimateAI-Team konzentriert sich auf die Erforschung und Anwendung von Deep-Learning- und Künstliche-Intelligenz (KI)-Tools auf Klimadaten. Unser primäres Forschungsthema sind Foundation-Modelle – Deep-Learning-Modelle, die auf großen Datensätzen trainiert werden, multimodal und aufgabenneutral sind. In den letzten Jahren haben diese Modelle die Wettervorhersage revolutioniert und klassische, physikalisch-basierte numerische Wettervorhersagesysteme bei verschiedenen Aufgaben übertroffen. Allerdings wurde die Erweiterung ihrer Anwendung auf klimatische Zeitskalen und verschiedene atmosphärische Rückkopplungsprozesse noch nicht ausreichend erforscht. Durch die Nutzung einer breiten Palette von Petabyte-Daten, die mehrere Gitter und Auflösungen unterstützen, zielt unser ClimateAI-Team darauf ab, ein umfassendes Foundation-Modell für die Klimawissenschaft zu entwickeln, das in der Lage ist, die Kopplung von Atmosphäre-Ozean-Meer-Eis über saisonale bis dekadale Zeitskalen zu ermöglichen. Wir streben an, dass dieses Modell zukünftige Klimavorhersagen genau und effizient unterstützt und die Ursachen des Klimawandels sowie die Auswirkungen der globalen Erwärmung aufzeigt.

Durch unsere enge Zusammenarbeit mit Klimaforschern und KI-Experten verschiedener Institutionen innerhalb der Helmholtz-Gemeinschaft wollen wir einen starken interdisziplinären Ansatz sicherstellen, die Klimaforschung vorantreiben, neue Einblicke in das Klimasystem der Erde bieten und die Entscheidungsfindung in der Klimapolitik unterstützen. Aufbauend auf dem Erfolg der AtmoRep-Initiative sind unsere Beiträge Teil des HClimRep-Projekts und der Helmholtz-Initiative (HFMI).

Ziele

• Entwicklung eines zuverlässigen KI-Grundlagenmodells als Basis für neuartige Klimasimulationen
• Erreichung der Kopplung von Atmosphäre-Ozean-Meereseis unter Nutzung einer breiten Datenbasis
• Verwendung von Petabyte-Daten auf mehreren Gittern und Auflösungen
• Einführung zuverlässiger saisonaler bis dekadischer KI-basierter Vorhersagen unter Anwendung neuer Rollout-Techniken
• Simulation zukünftiger Klimaszenarien durch Erlernen von Antriebskräften wie Treibhausgas-Konzentrationen
• Untersuchung von nachgelagerten Aufgaben im Zusammenhang mit kontrafaktischen Szenarien und extremen Ereignissen

Projekte

• HClimRep