Avancerad modellering av molnåterkopplingar och klimatförändringar med AI: Implikationer för alternativ energi
| Diarienummer | |
| Koordinator | Lunds universitet - Institutionen för naturgeografi och ekosystemvetenskap |
| Bidrag från Vinnova | 5 634 189 kronor |
| Projektets löptid | november 2020 - oktober 2025 |
| Status | Avslutat |
| Utlysning | AI - Spets och innovation |
| Ansökningsomgång | AI i klimatets tjänst |
Viktiga resultat som projektet gav
De flesta projektmålen uppnåddes. Mål 3 och 4 slutfördes dock inte, vilket hindrade SMHI från att engagera sig. Det neurala nätverket konstruerades och testades offline. Tillräcklig noggrannhet demonstrerades offline. Det fanns tio publikationer och postdoktorns rapport som erkänner Vinnovas stöd (se bifogad lista). Fem av dessa dokumenterar aspekter av Uppgift 1 och 2 i det ursprungliga förslaget. Rapporten från chefspostdoktorn finns på https://doi.org/10.5281/zenodo.17367602
Långsiktiga effekter som förväntas
Projektet visade att neurala nätverk i princip kan representera "minnet" av naturliga moln och mikrofysiken i aerosol-moln-interaktioner i klimatmodeller. Även om implementeringsutmaningar förhindrade stabila simuleringar, stärkte det den nationella kompetensen inom AI-baserad klimatmodellering och byggde varaktiga kopplingar mellan maskininlärning och meteorologi. Erfarenheterna kommer att vägleda framtida tvärvetenskapliga projekt och utvecklingen av nästa generations klimatmodeller.
Upplägg och genomförande
Projektet syftade till att utveckla och testa en AI-baserad molnparametrisering med hjälp av en enkolumnsmodell som testbädd. Planen innebar att bädda in vår molnmodell i en global modell som en superparametrisering för att skapa träningsdatasetet. Aktiviteterna var vetenskapligt relevanta, men implementeringen påverkades av organisatoriska och tekniska utmaningar som försenade framstegen. Viktiga komponenter slutfördes, vilket gav erfarenheter och lärdomar för framtida klimat-AI-projekt.