52-е заседание семинара

«Суперкомпьютерное моделирование Земной системы»

Семинар посвящен разнообразным аспектам применения методов суперкомпьютерного моделирования для решения задач прогноза погоды и климата.

Семинар организован совместно

	Московским государственным университетом имени М.В. Ломоносова (МГУ)
	Федеральной службой по гидрометеорологии и мониторингу окружающей среды
	Российской академией наук

При поддержке

	Московского центра фундаментальной и прикладной математики
	Междисциплинарной научно-образовательной школы Московского университета «Мозг, когнитивные системы, искусственный интеллект»

Руководитель семинара:

Садовничий В.А. академик, ректор Московского государственного университета имени М.В. Ломоносова

Соруководители семинара:

	Вильфанд Р.М. д.т.н., научный руководитель Гидрометцентра России
	Добролюбов С.А. чл.-корр. РАН, декан Географического факультета МГУ
	Яковлев Н.Г. д.ф.-м.н., в.н.с. Института вычислительной математики РАН
	Степаненко В.М. д.ф.-м.н., зам. директора НИВЦ МГУ

Ученый секретарь семинара:

Варенцов М.И. к.г.н., с.н.с., НИВЦ МГУ

Тематика семинара охватывает следующие основные направления (но не ограничивается ими):

• Методы и технологии использования суперкомпьютерных вычислений в междисциплинарных проблемах наук о природной среде.
• Математическое моделирование процессов в климатической системе.
• Применение суперкомпьютерных технологий для решения задач прогноза погоды.
• Применение суперкомпьютерных технологий для решения задач оценки климатических изменений и их последствий для природной среды.
• Применение суперкомпьютерных технологий для комплексного решения задач охраны природной среды, включая опасные природные явления и техногенные катастрофы.

ПРОГРАММА СЕМИНАРА

МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В ГЕОФИЗИКЕ:
СОВРЕМЕННЫЕ ВОЗМОЖНОСТИ, ВЫЗОВЫ И ТЕНДЕНЦИИ

Исследование и моделирование геофизических процессов в последнее время все чаще подразумевают использование методов машинного обучения или глубокого обучения. Возможности, которые предоставляют современные сложные статистические модели, эксплуатируют в задачах полевых измерений и наблюдений, камеральной обработки натурных данных, интерпретации данных дистанционного зондирования. В данных ДЗЗ проводится идентификация и построение траекторий отдельных явлений. В данных геофизического моделирования можно искать неявные и нелинейные закономерности, которые описываются линейными моделями с недостаточной точностью. Кроме этого, методы машинного обучения активно применяются для моделирования отдельных геофизических процессов или аппроксимации отдельных физических величин, решения задач статистического прогноза на различных временных масштабах. Отдельного внимания заслуживают задачи статистического масштабирования и коррекции геофизических полей, для которых в последние несколько лет разработан целый ряд подходов с применением методов машинного обучения.

В то же время, спектр проблем геофизики, в которых можно применять методы машинного обучения, не ограничивается только задачами с известным результатом (т.н. задачи контролируемого обучения). В некоторых случаях подходы неконтролируемого обучения позволяют извлечь новые знания из уже имеющихся данных мониторинговых наблюдений или гидродинамического моделирования. При этом применяются методы кластеризации, аппроксимации распределений данных, снижения размерности и проч. В некоторых случаях модели искусственных нейронных сетей применяются в нишевых, но очень перспективных задачах идентификации дифференциальных уравнений в частных производных, моделирования внутренних переменных сложных систем.

Несмотря на успехи статистического подхода с использованием сложных моделей в задачах геофизики, продемонстрированные в последние годы, все чаще возникают вопросы физической согласованности результатов таких моделей. Разрабатываются различные подходы как стимулирования консистентности результатов статистических моделей, так и внедрения жестких ограничений, основанных на физике описываемых процессов. Кроме отклонения от известной физики, существует также проблема правильной оценки качества, которая решена не во всех задачах геофизики. Кроме этих особенностей, характерных для самой области применения, существуют также проблемы, характерные для самого подхода машинного обучения, такие как недостоверность, зашумленность и дороговизна разметки, малое количество обучающих данных и другие.

В докладе будут обсуждены вопросы наиболее содержательных направлений современных исследований подхода машинного обучения в геофизических задачах, которые будут проиллюстрированы примерами из практики и примерами из современной литературы. Также будут освещены проблемы, возникающие на пути применения методов машинного обучения в естественных науках, и наиболее перспективные направления развития.

 Заседание семинара состоится в гибридном формате. Обращаем внимание на смену места проведения очной части: она пройдет в большом конференц-зале на 3-м этаже в НИВЦ МГУ. Для прохода в НИВЦ МГЦ пропуск не нужен, достаточно сказать на вахте, что Вы идете на семинар. Параллельно будет организован вебинара на платформе Zoom.

Ссылка на конференцию: https://us02web.zoom.us/j/85235560275?pwd=a1M3YW9mM2MxVVN5bGhkTExjckFwdz09

Meeting ID: 852 3556 0275

Passcode: 219344

Для упрощения нашей работы во время семинара, просим сделать следующее: заранее проверить, что Zoom у Вас работает (в настройках приложения Zoom можно проверить  качество работы динамиков и микрофона) и ввести в настройках вашего профиля фамилию, имя и отчество полностью (это можно сделать на странице вашего профиля  (https://us02web.zoom.us/profile) — в этом случае коллеги по конференции будут видеть, как к Вам обращаться.