Descrizione del progetto
Pipeline di intelligenza artificiale spiegabile per i megadati di Copernicus
Il progetto DeepCube, finanziato dall’Unione europea, sfrutta i progressi nei campi dell’intelligenza artificiale (IA) e del web semantico per liberare il potenziale dei megadati di Copernicus. DeepCube mira ad affrontare problemi ad alto impatto socio-ambientale e a migliorare la nostra comprensione dei processi della Terra correlati ai cambiamenti climatici. Il progetto impiega tecnologie TIC quali l’Earth System Data Cube, il Semantic Cube, la piattaforma Hopsworks e uno strumento di visualizzazione all’avanguardia, integrandole all’interno di una piattaforma interoperabile aperta che può essere implementata in infrastrutture cloud e calcolo ad alte prestazioni. DeepCube svilupperà architetture di apprendimento profondo che si estendono a dati non convenzionali, applicherà modellazione ibrida per modelli di intelligenza artificiale basati sui dati che rispettano le leggi fisiche e aprirà la scatola nera dell’apprendimento profondo con intelligenza artificiale spiegabile e causalità.
Obiettivo
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.
Campo scientifico
Parole chiave
Programma(i)
Meccanismo di finanziamento
RIA - Research and Innovation actionCoordinatore
11810 Athina
Grecia