Description
Date depot: 7 mars 2023
Titre: Mieux comprendre les effets du changement climatique grâce à la génération conditionnelle d'états climatiques
Directrice de thèse:
Claire MONTELEONI (Inria-Paris (ED-130))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Les grands enjeux entourant le changement climatique ont provoqué des collaborations internationales comme le Coupled Model Intercomparison Project (CMIP), qui visent à étudier notre climat changeant et ses conséquences. Toutefois, il existe des limites aux connaissances pouvant être extraites de simulations numériques du climat telles que réalisées dans le cadre de ce projet. Leur coût en ressources computationnelles limite la quantité de scénarios étudiés. Leur grand volume, combiné aux effets non-linéaires des températures à la hausse sur divers phénomènes météorologiques, rend leur analyse difficile. Les réseaux neuronaux génératifs, issus de la littérature d'apprentissage profond, pourraient s'avérer utiles dans ce contexte. Ils ont démontré leur habileté à modéliser des distributions complexes dans des représentations compactes et réutilisables.
Doctorant.e: Landry David