El canvi climàtic és un dels problemes més urgents als quals s’enfronta la humanitat. Tot i que l’aplicació de l’acord de Paris sobre el Clima està basat en evidències científiques robustes, la comprensió del canvi climàtic segueix sent objecte de grans incerteses. Això es deu, en gran mesura, al paper incert que juguen els núvols en el sistema climàtic i a la seua interacció amb els aerosols.

Al voltant del 70% de la superfície terrestre es troba cobert de núvols en un moment determinat. Encara que aquests solen produir un efecte de refrigeració sobre la Terra, els científics desconeixen si els núvols contribuiran a accelerar l’escalfament o actuaran com a elements de compensació a mesura que avance el canvi climàtic.

Les tècniques innovadores de la Intel·ligència Artificial i el Big Data, com ara el Machine learning (aprenentatge automàtic o estadístic), estan començant a mostrar el seu potencial per a resoldre problemes en Ciències del Clima. En aquesta línia, la Comissió Europea acaba d’anunciar el finançament d’una nova xarxa innovadora, dins el marc de les accions de formació Marie Curie, per estudiar i restringir els efectes d’aquesta interacció núvols-aerosols amb l’ajuda del Machine learning.

Liderada per la Universitat d’Òxford, iMIRACLI (innovative MachIne leaRning to constrain Aerosol-cloud CLimate Impacts) reuneix científics líders europeus en matèria de clima i Machine learning amb socis no acadèmics, com ara Amazon i MetOffice, per tal de treballar en la formació d’una nova generació de científics en dades sobre clima.

El projecte començarà el 2020 i finançarà un total de 15 estudiants de doctorat a Europa, 3 dels quals estaran codirigits al Laboratori de Processat d’Imatges (LPI) de la Universitat de València, al Parc Científic de la institució acadèmica, on seran formats en Machine Learning pel grup de Processament d’Imatges i Senyals (ISP) encapçalat pel catedràtic d’Enginyeria Electrònica Gustau Camps-Valls. "L'objectiu és formar la propera generació d’experts en ciències de dades climàtiques; és a dir, persones amb grans coneixements i capacitats en observació de la Terra, el clima i el Machine learning alhora", comenta Camps. “El nostre grup treballarà amb els doctorands dins el camp de l'aprenentatge automàtic per detectar anomalies, emular models físics complexos o dissenyar mètodes de Machine Learning que contemplen les lleis de la física i inferisquen les relacions causals de les dades”.

Els estudiants començaran els seus projectes a finals del 2020, iniciant-se amb una escola d'estiu a Oxford. Philip Stier, catedràtic de física de la atmosfera a la Universitat d'Oxford, és l’Investigador Principal del consorci: "L'aprenentatge automàtic té el potencial per desbloquejar una comprensió única i profunda del sistema climàtic a partir de grans conjunts de dades climàtiques, però això requereix una nova generació d’experts amb coneixements substancials tant del clima com de la informació de dades”, ha dit. Cada estudiant estarà supervisat per un expert en ciències del clima, un altre en Machine learning, i comptarà amb un assessor industrial.

Formen part de la xarxa la University of Oxford, la Universität Leipzig, la Stockolms Universitet, la ETH Zürich, la University of Edimburgh, la Universitat de València, la University College London, el Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR-Centro Aeroespacial Alemán), l’Ecole Polytechnique Federale de Lausanne i la Friedrich-Shiller Universität Jena, juntament amb els socis no acadèmics Amazon, The Alan Turing Institute, MetOffice, Iris.ai, GAF AG i FastOpt.

Els detalls de les oportunitats s’anunciaran àmpliament a les webs de cada institució, així com a l’iMIRACLI Twitter (@iMIRACLI_ITN) i a l’ISP Twitter (@isp_uv_es).