Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

MAchinE Learning for Scalable meTeoROlogy and cliMate

Opis projektu

Indywidualne rozwiązania uczenia maszynowego w modelach pogodowych i klimatycznych

Ponieważ zmiany klimatu są obecnie największym zagrożeniem, przed jakim stoi ludzkość, konieczne jest opracowanie narzędzi potrzebnych do przygotowania się na ich potencjalne skutki. Uczenie maszynowe może pomóc ulepszyć modele służące do prognozowania pogody i zmian klimatu. Mając to na uwadze, twórcy finansowanego przez UE projektu MAELSTROM postarają się udoskonalić europejską architekturę komputerową, aby usprawnić oceny przyszłego wpływu działalności człowieka na klimat. W szczególności ich działania przyczynią się do osiągnięcia postępu w projektowaniu systemów komputerowych wykorzystywanych do optymalizacji wydajności aplikacji i ich efektywności energetycznej, opracowania ram umożliwiających optymalizację użyteczności i wydajności szkolenia metodami uczenia maszynowego w większej skali oraz wielkoskalowych zastosowań uczenia maszynowego w zakresie nauki o pogodzie i klimacie. Zespół zaprojektuje odpowiednio dostosowane systemy obliczeniowe, zoptymalizowane pod kątem potrzeb aplikacji, aby wzmocnić w ten sposób europejskie portfolio wysokowydajnych systemów obliczeniowych.

Cel

To develop Europe’s computer architecture of the future, MAELSTROM will co-design bespoke compute system designs for optimal application performance and energy efficiency, a software framework to optimise usability and training efficiency for machine learning at scale, and large-scale machine learning applications for the domain of weather and climate science.

The MAELSTROM compute system designs will benchmark the applications across a range of computing systems regarding energy consumption, time-to-solution, numerical precision and solution accuracy. Customised compute systems will be designed that are optimised for application needs to strengthen Europe’s high-performance computing portfolio and to pull recent hardware developments, driven by general machine learning applications, toward needs of weather and climate applications.

The MAELSTROM software framework will enable scientists to apply and compare machine learning tools and libraries efficiently across a wide range of computer systems. A user interface will link application developers with compute system designers, and automated benchmarking and error detection of machine learning solutions will be performed during the development phase. Tools will be published as open source.

The MAELSTROM machine learning applications will cover all important components of the workflow of weather and climate predictions including the processing of observations, the assimilation of observations to generate initial and reference conditions, model simulations, as well as post-processing of model data and the development of forecast products. For each application, benchmark datasets with up to 10 terabytes of data will be published online for training and machine learning tool-developments at the scale of the fastest supercomputers in the world. MAELSTROM machine learning solutions will serve as blueprint for a wide range of machine learning applications on supercomputers in the future.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: https://op.europa.eu/pl/web/eu-vocabularies/euroscivoc.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

RIA - Research and Innovation action

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) H2020-JTI-EuroHPC-2019-1

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

EUROPEAN CENTRE FOR MEDIUM-RANGE WEATHER FORECASTS
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 380 625,00
Adres
SHINFIELD PARK
RG2 9AX Reading
Zjednoczone Królestwo

Zobacz na mapie

Region
South East (England) Berkshire, Buckinghamshire and Oxfordshire Berkshire
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 761 250,00

Uczestnicy (6)

Moja broszura 0 0