Sie sind hier: Startseite / Kommunikation / Aktuelles / Maschinelles Lernen für den Umgang mit dem Klimawandel: [Email protection active, please enable JavaScript.] in der HafenCity

Maschinelles Lernen für den Umgang mit dem Klimawandel: [Email protection active, please enable JavaScript.] in der HafenCity

17.03.2020

Die Gruppe Künstliche Intelligenz (KI) der internationalen Meetup-Plattform in Hamburg "meetup.ai" organisierte am 4. Februar 2020 die Veranstaltung “Tackling climate change with machine learning” (Klimawandel mit maschinellem Lernen bekämpfen, [1]). Auf der Suche nach Expertinnen und Experten der Erdsystemwissenschaften luden das Organisationsteam Maria Moreno de Castro und Karsten Peters vom DKRZ ein, aktuelle KI-Entwicklungen in der Klimaforschung vorzustellen.

Mehr als 100 Mitglieder der meetup.ai-Gemeinschaft diskutierten bei der Veranstaltung über die Anwendung von maschinellem Lernen (ML) zur Bekämpfung des Klimawandels. Die ersten beiden Hauptredner aus der Industrie konzentrierten sich auf die Unterstützung der ML-Anwendung [2] und darauf, wie ML-Strategien der Menschheit - z.B. bei der Reduzierung von CO2-Emissionen - helfen könnten [3]. Im dritten Vortrag [4] berichteten Maria Moreno de Castro und Karsten Peters über die aktuellen Herausforderungen in den Erdsystemwissenschaften, die möglichen Anwendungen von ML [5] und die laufenden und zukünftigen Bemühungen des DKRZ, modernste IT-Dienstleistungen in diesem Bereich anzubieten [6,7].

Karsten Peters erläuterte dem interdisziplinären Publikum Grundlagen der Erdsystemmodellierung, welche physikalische Prozesse auf globaler Ebene simulieren und dabei riesige Datenmengen produzieren. Er hob ferner die Eignung der IT-Infrastruktur des DKRZ zur Bewältigung dieser Herausforderungen hervor, insbesondere zur Handhabung und Analyse großer Datenmengen. Er zeigte, dass ML-Methoden geeignet sind, die anfallenden Datenmengen zu durchforsten und grundlegende Zusammenhänge aufzudecken, sowie auch Möglichkeiten für das tägliche Leben bieten, z.B. für kurzfristige Wettervorhersagen.

Der Vortrag von Maria Moreno de Castro fokussierte auf den Herausforderungen für die Erdsystemwissenschaftsgemeinschaft bei der Anwendung von Deep-Learning-Methoden, die großes Potenzial bei der Berücksichtigung räumlich-zeitlicher Beziehungen zeigen. Sie wies auf die grundlegenden Probleme der Inkonsistenz und Interpretierbarkeit sowie die Vorteile von hybriden Ansätzen hin, d.h. die Kombination von physikalischen Modellen und datengetriebenen ML-basierten Modellen. Sie stellte auch die beiden kürzlich am DKRZ eingerichteten ML-Initiativen vor: die ML-Forschungsgruppe unter der Leitung von Christopher Kadow und die lokale HAICU-Einheit AIM, die in Zusammenarbeit mit dem HZG eingerichtet wurde.

Die anschließende 30-minütige Diskussion deckte das gesamte in der DKRZ-Präsentation angesprochene Themenspektrum ab und zeigte die starke Motivation des Publikums, mehr über die Prozesse, Grundlagen und Herausforderungen von ML und Erdsystemforschung zu erfahren, mit denen Forschende bei ihrer täglichen Arbeit konfrontiert sind.

Weiterführende Informationen:

 

 

Artikelaktionen