Description du projet
Des pipelines d’intelligence artificielle explicables pour les mégadonnées de Copernicus
Le projet DeepCube, financé par l’UE, tire parti des avancées dans les domaines de l’intelligence artificielle (IA) et du web sémantique pour exploiter le potentiel des mégadonnées de Copernicus. DeepCube a pour objectif d’aborder des problèmes à fort impact socio-environnemental et d’améliorer notre compréhension des processus terrestres en corrélation avec le changement climatique. Le projet utilise des technologies TIC telles que le Earth System Data Cube, le Semantic Cube, la plateforme Hopsworks et un outil de visualisation de pointe, en les intégrant dans une plateforme interopérable ouverte qui peut être déployée dans des infrastructures en nuage et des environnements de calcul de haute performance. DeepCube développera des architectures d’apprentissage profond qui s’étendent aux données non conventionnelles, appliquera une modélisation hybride pour des modèles d’intelligence artificielle axés sur les données qui respectent les lois physiques, et ouvrira la boîte noire de l’apprentissage profond avec une intelligence artificielle et une causalité explicables.
Objectif
DeepCube leverages advances in the fields of AI and semantic web to unlock the potential of big Copernicus data. DeepCube is impact driven; our objective is to address new and ambitious problems that imply high environmental and societal impact, enhance our understanding of Earth’s processes, correlated with Climate Change, and feasibly generate high business value.
To achieve this we bring mature and new ICT technologies, such as the Earth System Data Cube, the Semantic Cube, the Hopsworks platform for distributed DL, and a state-of-the-art visualisation tool tailored for linked Copernicus data, and integrate them to deliver an open and interoperable platform that can be deployed in several cloud infrastructures and HPC, including DIAS environments.
We then use these tools to develop novel DL pipelines to extract value from big Copernicus data. We implement a shift in the use of AI pipelines. DeepCube 1) develops novel DL architectures that extend to non-conventional data and problems settings, such as interferometric SAR, social network data, and industrial data, 2) introduces a novel hybrid modeling paradigm for data-driven AI models that respect physical laws, and 3) opens-up the DL black box through Explainable AI and Causality. We showcase these in five Use Cases (UC), two business, two on earth system sciences, and one for humanitarian aid. These are:
UC1: Forecasting localized extreme drought and heat impacts in Africa,
UC2: Climate induced migration in Africa,
UC3: Fire hazard short-term forecasting in the Mediterranean,
UC4a: Automatic volcanic deformation detection and alerting and UC4b: Deformation trend change detection on PSI time-series for critical infrastructure monitoring,
UC5: Copernicus services for sustainable and environmentally-friendly tourism.
Champ scientifique
Programme(s)
Régime de financement
RIA - Research and Innovation actionCoordinateur
11810 Athina
Grèce