[:en]German Aerospace Center (DLR) | AI for Understanding and Modelling the Earth System[:de]DLR | Mit künstlicher Intelligenz zum besseren Verständnis des Erdsystems[:]

[:en]

Prestigious European Research Council grant will support the interdisciplinary team’s work to improve climate models and the way in which Earth system data are analysed and interpreted by combining machine learning with physical models of the atmosphere and land.

Oberpfaffenhofen, DE / Jena, DE / Valencia, Spain / New York, USA – 11 October 2019. An interdisciplinary team of four researchers from the German Aerospace Center (Deutsches Zentrum für Luft- und Raumfahrt; DLR), the Max Planck Institute for Biogeochemistry, the University of Valencia, and Columbia University has been awarded a 2019 European Research Council (ERC) Synergy Grant to understand and model the Earth system with machine learning, one of the important approaches of artificial intelligence (AI). The prestigious award – 10 million euro over six years – will support the team’s ground-breaking work in rethinking the development and evaluation of Earth system models, which are the basis for understanding and projecting climate change.

Veronika Eyring from DLR’s Institute of Atmospheric Physics and corresponding Principal Investigator (cPI) says: “We teamed up to join forces and combine our multidisciplinary expertise in climate modelling, terrestrial ecosystems, machine learning, and cloud parameterisations to address some of the main limitations in the simulation and analysis of climate change. This will allow us to better understand processes and to discover unknown causes and drivers in the Earth system.”

The motivation for the newly funded ERC project ‘Understanding and Modelling the Earth System with Machine Learning’ (USMILE) is that there are still some fundamental limitations in understanding the Earth system, which also limits our ability to accurately simulate climate change. While Earth system models have improved significantly in the past decades, the models’ ability to simulate both global and regional Earth system responses, which are key for assessing climate change and its effects on the planet’s ecosystems and populations, is limited by the representation of physical and biological small-scale processes, such as clouds, stomata, and microbes.

“Our central hypothesis is that this lack of understanding can be solved using machine learning. Firstly, we now have a massive amount of Earth observation data, with unprecedented spatial and temporal coverage for many processes. Secondly, high-resolution cloud-resolving models are now available that explicitly resolve small-scale processes such as clouds. But those simulations are computationally very expensive and can therefore only be run for a short time,” says Pierre Gentine, co-PI of the project from Columbia University’s School of Engineering and Applied Science. “And thirdly, the field of machine learning has quickly evolved, enabling breakthroughs in the detection and analysis of complex relationships and patterns in large multivariate datasets. We can now not only fit and model complex functions but also learn causal relations,” adds Gustau Camps-Valls, co-PI of the project from the University of Valencia.

The team will develop machine learning algorithms to enhance Earth observation datasets accounting for spatio-temporal covariations, as well as developing machine-learning-based parameterisations and sub-models for clouds and land-surface processes that have hindered progress in climate modelling for decades. In addition, they will detect and understand modes of climate variability and multivariate extremes, and uncover dynamic aspects of the Earth system with novel deep learning and causal discovery techniques.

Traditionally, physical modelling and machine learning have often been treated as two different worlds with opposite scientific paradigms: theory-driven versus data-driven. “Even though it has extraordinary potential, machine learning has not yet been widely adopted to address the urgent need for improved understanding and modelling of the Earth system. We hope that, by bridging physics and machine learning, we will be able to revolutionise Earth system modelling and analysis, leading to more robust climate projections on the long-term,” says Markus Reichstein, co-PI from the Max Planck Institute for Biogeochemistry. He adds: “USMILE can drive a paradigm shift in the current modelling of the Earth system towards a new data-driven, physics-aware science.”

ERC Synergy Grants are awarded to groups of two to four co-PIs who have complementary skills, knowledge and resources, and can jointly address research problems that could lead to breakthroughs not possible by the individual PIs working alone. The four PIs on the USMILE project all work at the intersection of Earth system and data science with complementary expertise. “We are excited to work together on this interdisciplinary team and thank the ERC for giving us this great opportunity,” says Prof. Veronika Eyring.

Set up by the European Union in 2007, the European Research Council is the premier European funding organisation for excellent frontier research. Every year it selects and funds the very best, creative researchers of any nationality and age to run projects based in Europe. In most cases, ERC Synergy groups are interdisciplinary, often using multidisciplinary approaches, and meet regularly over the course of the project.

More information

Source: German Aerospace Center (DLR), 14 October 2019[:de]

Ein interdisziplinäres Team von vier Forschern des Deutschen Zentrums für Luft- und Raumfahrt (DLR), des Max-Planck-Instituts für Biogeochemie, der spanischen Universität Valencia und der US-amerikanischen Columbia Universität wurde am 11. Oktober 2019 mit einem ‘Synergy Grant‘ des Europäischen Forschungsrats (European Research Council, ERC) ausgezeichnet. Das Team überzeugte den Forschungsrat mit seinem Projekt USMILE (Understanding and Modelling the Earth System with Machine Learning).

Die Forschenden wollen das Verständnis und die Modellierung des Erdsystems durch die Entwicklung und Anwendung von maschinellen Lernverfahren, kurz ML, verbessern. ML ist einer der bedeutendsten Ansätze im Bereich der künstlichen Intelligenz (KI). Die renommierte Auszeichnung – 10 Millionen Euro über sechs Jahre – unterstützt die Arbeit des Teams bei der Weiterentwicklung von Erdsystemmodellen und ihrer Bewertung. Sie bilden die Grundlage für die weitere Erforschung des Klimawandels.

Prof. Veronika Eyring vom DLR-Institut für Physik der Atmosphäre erläutert den Ansatz des Teams: “Wir haben uns zusammengeschlossen, um unsere multidisziplinäre Expertise in den Bereichen Klimamodellierung, Landökosysteme, maschinelles Lernen und Wolken-Parametrierung zu bündeln. So wollen wir einige der zurzeit noch, die komplexen Prozesse von Erde und Atmosphäre besser verstehen und unbekannte Ursachen und Treiber im Erdsystem entdecken.” Prof. Eyring koordiniert das Projekt und ist ‘corresponding Principal Investigator’ (cPI) von USMILE.

Die Motivation für das neu geförderte ERC-Projekt Understanding and Modelling the Earth System with Machine Learning (USMILE) besteht darin, dass es beim Verständnis des Erdsystems noch einige grundlegende Einschränkungen gibt, die auch unsere Fähigkeit für akkurate Vorhersagen des Klimawandels einschränken. Während sich die Erdsystemmodelle in den letzten Jahrzehnten kontinuierlich verbessert haben, ist die Fähigkeit der Modelle, sowohl globale als auch regionale Reaktionen des Erdsystems zu simulieren, die für die Beurteilung des Klimawandels und seiner Auswirkungen auf die Ökosysteme entscheidend sind, durch die Darstellung physikalischer und biologischer kleinräumiger Prozesse wie Wolken, Stomata und Mikroben begrenzt.

KI trifft Physik

“Unsere zentrale Hypothese ist, dass das Verständnis durch den Einsatz von maschinellen Lernverfahren verbessert werden kann. Erstens verfügen wir in der Erdbeobachtung und Atmosphärenforschung heute über Datenvolumina im Petabyte-Bereich mit einer beispiellosen räumlichen und zeitlichen Abdeckung für viele Prozesse. Zweitens stehen nun hochauflösende Klimamodellsimulationen zur Verfügung, in denen Wolkenprozesse explizit simuliert werden können. Aber diese Simulationen sind sehr teuer und können daher momentan nur für wenige Tage durchgeführt werden”, sagt Prof. Pierre Gentine, Co-PI des Projekts von der School of Engineering and Applied Science an der Columbia University.

Prof. Gustau Camps-Valls von der Universität Valencia, ebenfalls Co-PI bei USMILE, ergänzt: “Der Bereich des maschinellen Lernens hat sich schnell weiterentwickelt und ermöglicht Durchbrüche bei der Erkennung und Analyse komplexer Beziehungen und Muster in großen multivariaten Datensätzen. Wir können jetzt nicht nur komplexe Funktionen anpassen und modellieren, sondern auch kausale Zusammenhänge lernen.”

Das Team wird maschinelle Lernverfahren entwickeln, um Erdbeobachtungsdatensätze zu erweitern, die gleichzeitige, räumlich-zeitliche Veränderungen mehrerer Parameter berücksichtigen. Das Forschungsteam wird diese maschinellen Lernverfahren verwenden um Parametrisierungen und Submodelle für Wolken und Landoberflächenprozesse zu entwickeln, die den Fortschritt in der Klimamodellierung seit Jahrzehnten behindern. Darüber hinaus wird das Team interne Klimaschwankungen und multivariaten Extreme erkennen und verstehen. Die dynamischen Aspekte des Erdsystems will das Team mit neuartigen Techniken des Deep Learnings aufdecken, um sie auf mögliche kausale Zusammenhänge hin zu beurteilen.

Traditionell werden physkalische Modellierung und maschinelle Lernverfahren oft als zwei verschiedene Welten mit entgegengesetzten wissenschaftlichen Paradigmen behandelt: theoriegetrieben versus datengetrieben. “Ein besseres Verständnis und eine bessere Modellierung des Erdsystems sind dringend notwendig. Maschinelles Lernen hat hier ein außerordentliches Potenzial und kann die Klimaforschung deutlich weiterbringen. Wir hoffen, dass wir durch die Brücke zwischen Physik und maschinellem Lernen die Modellierung und Analyse des Erdsystems revolutionieren und langfristig zu robusten Klimaprojektionen kommen”, betont Prof. Markus Reichstein, Co-PI des Max-Planck-Instituts für Biogeochemie. Er fügt hinzu: “USMILE kann einen Paradigmenwechsel in der aktuellen Modellierung des Erdsystems hin zu einer neuen ‘datengetriebenen Physik’ vorantreiben”.

Synergy Grants des Europäischen Forschungsrats

Die 2007 von der Europäischen Union gegründete Europäische Forschungsrat, englisch European Research Council (ERC), ist die führende europäische Förderorganisation für exzellente Pionierforschung. Jedes Jahr wählt und finanziert sie die besten, kreativsten Forscher aller Nationalitäten und Altersstufen für die Durchführung von Projekten in Europa mit Preisen wie den ‘Synergy Grants’. “Wir freuen uns auf die Zusammenarbeit in diesem interdisziplinären Team und danken dem ERC, dass er uns diese großartige Chance gibt”, sagt Prof. Veronika Eyring.

In den meisten Fällen sind die ERC-Synergiegruppen interdisziplinär, oft mit multidisziplinären Ansätzen. Die Nationale Kontaktstelle zum ERC in Deutschland wird gemeinsam vom EU-Büro des Bundesministeriums für Bildung und Forschung im DLR-Projektträger und der Kooperationsstelle EU der Wissenschaftsorganisationen betreut.

Mehr Informationen

Quelle: Deutsches Zentrum für Luft- und Raumfahrt (DLR), 14.10.2019[:]