مدرسة سوبريور دي ليون
جامعة حكومية, تصفح الفرص المماثلة
ar
جامعة حكومية, تصفح الفرص المماثلة
مشروع دكتوراه ، ضمن مشروع Critical-Earth Horizon 2020 Marie Skłodowska-Curie Actions، Innovative Training Network.
دراسة التغيرات المناخية المفاجئة باستخدام التعلم الآلي وخوارزميات الأحداث النادرة
تحت إشراف فريدي بوشيه.
المكان: مدرسة نورمال سوبريور دي ليون - مختبرات اللياقة البدنية (ENSL-CNRS ، ليون ، فرنسا).
الموعد: يبدأ في عام 2021 (أي وقت بعد مارس 2021).
المدة: مشروع دكتوراه لمدة ثلاث سنوات.
الراتب والحالة: ستستفيد الدكتوراه من شروط الراتب الممتازة وخطط التدريب والشبكات ، وفقًا لقواعد ماري كوري الأوروبية ITN (انظر مبلغ بدل 2019).
الوصف العلمي:
الهدف من هذا المشروع هو دراسة احتمالية خضوع دوران الغلاف الجوي أو المناخ لتحولات مفاجئة بين الحالات المستقرة المتعايشة. تشير سجلات المناخ القديم إلى حدوث تغيرات مفاجئة في الماضي ، في نطاقات زمنية متوافقة مع عمليات الغلاف الجوي (مثل الغبار في قلب جليد جرينلاند). يتم أيضًا ملاحظة مثل هذه التحولات المفاجئة بشكل شائع في التجارب المعملية للتدفقات المضطربة. المثال الأول الذي يثير الاهتمام هو تشعب دوران الانقلاب الزولي الأطلسي (AMOC) بسبب التفاعلات بين المحيطات المضطربة والغلاف الجوي وديناميات الجليد. والثاني هو تشعب الغلاف الجوي للأرض إلى حالة دوران فائق [4]: وهي حالة يتعرض فيها الحزام الاستوائي لرياح قوية باتجاه الشرق ، ويتأثر مناخ الأرض فيها بشدة.
تعتبر دراسة هذه التحولات مهمة للغاية لفهم المستقبل المحتمل للأرض. ومع ذلك ، فإن الدراسات العلمية محدودة للغاية. يمكن للمرء استخدام نماذج مفرطة في التبسيط يصعب معرفة الكثير عن ديناميات الأرض الحقيقية. سيكون البديل هو استخدام نماذج مناخية شاملة وواقعية. لكن تعقيد هذه النماذج يمنعنا من تشغيلها لفترة كافية وإجراء التجارب المطلوبة لدراسة تلك التشعبات.
من أجل حل هذه المشكلات ، سنجمع بين استخدام النماذج الواقعية وخوارزميات الأحداث النادرة وأساليب التعلم الآلي.
لقد أثبتنا مؤخرًا أن خوارزميات الأحداث النادرة يمكن أن تؤدي إلى كسب عامل من 100 إلى 1000 في التكلفة الحسابية المطلوبة لحساب الأحداث المتطرفة في النماذج المناخية ، على سبيل المثال موجات الحرارة الشديدة فوق أوروبا [1]. لقد حصلنا أيضًا على نتائج مماثلة لدراسة التغير المناخي المفاجئ في نماذج الاضطرابات الجيوستروفية لديناميات الغلاف الجوي [2]. من المحتمل أن يكون لهذه التقنية تأثير كبير في الدراسة المستقبلية لتغير المناخ المفاجئ.
الاهتمام الرئيسي لخوارزميات الأحداث النادرة هو إنتاج مجموعات كبيرة من الأحداث المتطرفة النادرة للغاية والتي لا يمكن الحصول عليها من خلال عمليات المحاكاة العددية المعقولة. تتمثل إحدى مخاطر خوارزميات الأحداث النادرة في أنها لن تعمل إلا إذا كانت وظيفة النتيجة لتحديد المسارات تخمينًا جيدًا لما يجب أن تفعله ديناميكيات النموذج بالفعل لإنتاج التطرف. لقد نجحنا حتى الآن في تحديد وظائف الدرجة الجيدة لإنتاج موجة حرارية نادرة للغاية ، والانتقال بين الجاذبات المختلفة في التدفقات المضطربة في الغلاف الجوي. ومع ذلك ، ليس من الواضح ما إذا كان هذا النهج سيعمم ببساطة على التحولات المفاجئة بديناميكيات أكثر تعقيدًا.
باستخدام مناهج التعلم الآلي ، يمكن للمرء أن يتعلم وظيفة النتيجة المثلى من البيانات [3]. سيؤدي ذلك إلى تحسين كفاءة خوارزمية الأحداث النادرة وتعدد استخداماتها لدراسة فئات كبيرة من التحولات المفاجئة. وبالتالي فإن التعلم الآلي لوظيفة النتيجة المثلى هو وسيلة للتعامل مع العيب الرئيسي لخوارزميات الأحداث النادرة.
يتطلب التعلم الآلي مجموعة كبيرة من البيانات مع أحداث نادرة تمت ملاحظتها بالفعل. هذا هو العيب والقيود الرئيسية لنهج التعلم الآلي لدراسة الأحداث النادرة في ديناميات المناخ. تعد خوارزمية الأحداث النادرة أداة مثالية للحصول على مثل هذه المجموعة الكبيرة من البيانات. وهكذا نستنتج أن خوارزميات الأحداث النادرة تحل الضعف المحتمل للتعلم الآلي وأن التعلم الآلي يحل ضعف خوارزميات الأحداث النادرة. هذا يحفز الهدف الرئيسي لهذا الجزء من المشروع: سنقوم بجمع خوارزميات الأحداث النادرة والتعلم الآلي بطريقة حلقة ردود فعل التحكم.
سيتم تطبيق الأداة المنهجية المطورة (خوارزمية الأحداث النادرة المقترنة / التعلم الآلي) على تسلسل هرمي للنماذج ذات التعقيد المختلف من أجل تحديد التحولات الحرجة في النماذج الديناميكية العشوائية والحتمية المتعلقة بتقسيم دوران الانقلاب الزولي في المحيط الأطلسي والحالات المكبوتة من الغلاف الجوي للأرض.
[1] F. Ragone، J. Wouters and F. Bouchet، 2018 ، حساب موجات الحرارة الشديدة في النماذج المناخية باستخدام خوارزمية انحراف كبير ، وقائع الأكاديمية الوطنية للعلوم ، المجلد 115 ، رقم 1 ، الصفحات 24-29 ، [بي دي إف] .
[2] F. Bouchet، J. Rolland، and E. Simonnet، 2019، خوارزمية حدث نادر تربط التحولات في التدفقات المضطربة مع التنوي المفعلة ، Phys. القس ليت. 122، 074502، arXiv: 1810.11057 ، [pdf].
[3] D. Lucente، S. Duffner، C. Herbert، J. Rolland and F. Bouchet، 2019، Machine Learning of committor وظائف للتنبؤ بالأحداث المناخية عالية التأثير ، إجراءات معلومات المناخ CI2019 ، arXiv: 1910.11736 ، [pdf].
[4] C. Herbert، R. Caballero and F. Bouchet ، 2020 ، ثبات الغلاف الجوي والانتقالات المفاجئة إلى الدوران الفائق: صدى الموجة النفاثة وتغذية مرتدة خلية هادلي ، مجلة علوم الغلاف الجوي ، المجلد. 77 ، لا. 1، arXiv: 1905.12401، [pdf].
**************************************************** **************************************************** ************
المرشحين الراغبين في الحصول على درجة الدكتوراه في مجال فيزياء المناخ مدعوون للتقديم.
مشروع CriticalEarth: سيتلقى الطلاب تدريبًا ضمن شبكة تدريب بحثية للقطاع الأكاديمي لعموم أوروبا ، تركز بشكل خاص على البحث في الانتقال المفاجئ لمناخ الأرض.
يتم نشر الوظائف كجزء من مشروع CriticalEarth - "التحولات متعددة النطاقات والحرجة في نظام الأرض" - الممول من خلال برنامج Horizon 2020 Marie Skłodowska-Curie Actions. ستدرب CriticalEarth الباحثين الشباب في أوروبا على معالجة المشكلات العلمية الرئيسية لدراسة التحولات المفاجئة في نظام الأرض.
يضم اتحاد CriticalEarth جامعات مع باحثين رواد خبراء في دراسة الفيزياء النظرية والرياضيات والمناخ. بالتعاون مع 15 باحثًا آخرين في المرحلة المبكرة (ESRs) سيتم توظيفهم ، سيقوم الباحثون بتوليد ودمج وتطبيق المعرفة متعددة التخصصات من الرياضيات التطبيقية والفيزياء الإحصائية وعلوم المناخ والمحاكاة العددية.
ستمنحهم الشبكة خلفية ممتازة للتعاون في فرق متعددة التخصصات في الأوساط الأكاديمية والصناعية والمؤسسات الحكومية وغير الحكومية. ستكون النتائج الرئيسية لـ CriticalEarth هي (1) مجموعة من العلماء المدربين في مجال بحثي مع ارتفاع الطلب لسنوات قادمة ؛ (2) فهم رائد للديناميات متعددة النطاقات في نظام الأرض و (3) أسس أفضل لفهم وأدوات أفضل لتقييم وتجنب تغير المناخ الذي لا رجعة فيه.
بالإضافة إلى تدريب الباحثين الشباب لمواجهة تحديات الغد ، ستوفر CriticalEarth منذ اليوم الأول بحثًا ممتازًا له تأثير علمي ومجتمعي مثير للإعجاب.
الأهلية: يجب ألا يكون المتقدمون قد أقاموا ولم يجروا نشاطهم الرئيسي (العمل والدراسات وما إلى ذلك) في فرنسا لأكثر من 12 شهرًا في 3 سنوات قبل تاريخ التوظيف مباشرة - إلا كجزء من إجراء للحصول على وضع اللاجئ بموجب اتفاقية جنيف.
يجب أن يكون مقدم الطلب باحثًا في مرحلة مبكرة (ESR) ، أي في وقت التوظيف ، يجب أن يكون في أول 4 سنوات (خبرة بحثية مكافئة بدوام كامل) من حياته المهنية البحثية ويجب ألا يكون قد حصل على درجة الدكتوراه .
متطلبات أخرى: يجب أن يكون المرشحون قادرين على إظهار الحافز والحماس القوي للتعلم والقدرة على العمل بشكل مستقل وكجزء من فريق. ستكون الخبرة البحثية السابقة ميزة واضحة. يجب أن يكون الزميل على استعداد للسفر وسيُطلب منه إكمال الإعارات الدولية.
يجب أن تتضمن الطلبات خطاب تغطية وسيرة ذاتية وخطاب توصية وإرسالها مباشرة إلى Freddy.Bouchet@ens-lyon.fr. تاريخ الإغلاق هو 31 يناير 2021. بعد 31 يناير 2021 ، يرجى الاتصال بـ Freddy.Bouchet@ens-lyon.fr لمعرفة ما إذا كان قد تم منح الوظيفة بالفعل أم لا.
اختر البلد الذي توّد السفر إليه للدراسة مجانا أو العمل أو التطوع
