Journée thématique IA & Climat-Océan-Atmosphère

Campus IMT Atlantique, Rennes, 6 février 2019

Programme détaillé de la journée (lien)

Transparents des présentations données lors de la journée thématique (lien)

Texte

Nous avons le plaisir de vous informer de l’organisation d’une journée thématique Intelligence Artificielle & Océan-Atmosphère-Climat, le 6 février 2019 à Rennes sur le campus d'IMT Atlantique, à l’initiative conjointe de l’action MANU (Méthodes Mathématiques et Numériques) du programme LEFE et du programme PNTS. Le comité d’organisation de cette journée thématique est composé de J. Brajard (Sorbonne Univ., IPSL), R. Fablet (IMT Atlantique, Lab-STICC), J. Le Sommer (CNRS, IGE), L. Terray (CERFACS, CECI) S. Thiria (Sorbonne Univ., IPSL). 

L’objectif de cette journée est de réunir les acteurs qui s’intéressent à l’interface entre les modèles et technologies de l’intelligence artificielle, notamment de l’apprentissage, et les sciences de l’atmosphère, de l’océan et du climat. Nous souhaitons à la fois présenter et discuter le potentiel et les avancées récentes de l’IA pour les domaines Océan-Atmosphère-Climat et échanger sur les actions pertinentes pour animer, soutenir et structurer ces activités à l’échelle nationale.

Le programme de cette journée accessible via ce lien (pdf) comprend :

  • des exposés invités par S. Brunton (Prof. Univ. of Washington) et V. Balaji (Prof., Princeton Univ.)
  • des exposés oraux (20’ à 25’) de contributions soumises ainsi que des présentations sous format poster

  • une table-ronde avec des experts et représentants d’agences et instituts : J. Lambin  (CNES), J.-P. Proux (GENCI) A. Bentamy (Ifremer), P. Braconnot (INSU), P. Dandin (Météo France), G. Charpiat (INRIA).

Lieu :  Cette journée se déroulera sur le campus de Rennes d'IMT Atlantique de 9h30 à 18h avec un accueil à partir de 9h00. (Plan et accès en transport en commun : lien)

Liste des communications (orales et poster, programme en cours de finalisation): 

  • M. Amiramjadi, R. Plougonven, A. Hertzog, A. R. Mohebalhojeh, M. Mirzae (LMD/UT). Using machine learning to estimate subgrid-scale processes from a coarse-grained description of the flow
  • I. Ayed, E. De Bézenac, A. Pajot, P. Gallinari(LIP6).   Learning Partially Observed PDE Dynamics with Neural Networks
  • A. Ayet and P. Tandeo (LOPS/LMD/Lab-STICC) Using analogs to predict cloud cover from satellite images.
  • M. Bocquet, J. Brajard, A. Carrassi and L. Bertino (CEREA/LOCEAN/NERSC). Data-driven inference of the ordinary differential equation
  • representation of a chaotic dynamical model using data assimilation.
  • A. Charantonis and S. Thiria (LAMME/LOCEAN) IA pour la reconstitution de profils verticaux dans les océans.
  • G. Dufour (LISA). First attempt to recognize patterns and classify tropospheric ozone retrieved from the IASI satellite instrument
  • F. Falasca, A. Bracco, A. Nenes, I. Fountalis (GIT) Dimensionality reduction and network inference for climate data
  • K. Grassi, E.Poisson-Caillault, A. Lefebvre (WeatherForce/Ifremer/LISIC) Détection d’événements extrêmes à partir de bases de données multivariées. Application à l’observation marine. 
  • G. Hochard and N. Bousquet (Quanmetry) Classification de tempêtes et cyclones tropicaux.
  • P. Lepetit, C. Mallet, L. Barthès (LATMOS) Estimation des conditions météorologiques d’après photo: état de l’art et perspectives de l'IA.
  • R. Lguensat, Julien Le Sommer, S. Metref, E. Cosme, R. Fablet (IGE/Lab-STICC) Discovering hidden equations in ocean simulation models using Quasi-Geostrophic theory guided machine learning.
  • J. Mignot, C. Mejia, C. Sorror, A. Sylla, S. Thiria, M. Crépon. (LOCEAN). Détermination des modèles d’ensemble climatiques.
  • J. Monnier and J. Zhu (IMT/INSA). Inland Ice-Sheet Bed Topography Estimations from Satellite Surface Measurements and a Dedicated Physical Based Model.
  • S. Ouala, V.D. Nguyen, L. Drumetz, B. Chapron, A. Pascual, F. Collard, L. Gaultier, R. Fablet (Lab-STICC/ODL/LOPS) Learning dynamical models from partial and noisy observations.
  • R. Paugam, M. Rochoux, N. Cazard, C. Lapeyre, W. Mell, M. Wooster (CERFACS, US FS, KCL) Image Segmentation: Fire Front extraction for Rate of Spread Estimation.
  • D. Pino, S. Gardin and L. Lemelle (LOCEAN/LR2P/LGL). Identification, reconstruction en 3D et quantification du phytoplancton en relation au changement climatique: du microscope électronique à l’accélérateur de particules.
  • T. Rieutord, A. Paci, A. Dabas (LISA). Classification de couche limite atmosphérique par apprentissage non-supervisé sur des données de campagnes de mesure. 
  • A.Stegner, B.Le Vu, O. Schwander, P.Gallinari (LMD/LIP6) Deep learning applied to oceanic eddy detection. 

N'hésitez pas à nous contacter par mail pour tout complément d'information à l'adresse suivante jt-ia-oac2019@imt-atlantique.fr.