MeLODy — Bridging geohysics and MachinE Learning for the modeling, simulation and reconstruction of Ocean DYnamics

Comprendre, modéliser, prévoir et reconstruire des processus aux petites comme aux grandes échelles ainsi que les interactions d’échelle associées font partie des principaux défis scientifiques du domaine océan-atmosphère. L'intelligence artificielle (IA) ouvre de nouveaux paradigmes pour étudier les processus mal résolus ou mal observés à partir de l'exploration approfondie des masses de données d'observation et de simulation disponibles. Dans ce contexte, ce projet de recherche vise à établir un lien entre les paradigmes physiques sous-jacents aux sciences de la terre et les méthodes et stratégies de de l’intelligence artificielle pour développer de nouvelles approches d’identification à partir de données de représentations des dynamiques géophysiques. Ces représentations traiteront pleinement les caractéristiques-clé de ces dynamiques (e.g., dynamiques chaotiques, extrêmes, grande dimension). Nous abordons spécifiquement trois questions méthodologiques génériques: (i) Comment apprendre des représentations des dynamiques géophysiques consistentes d’un point de vue physique ? (ii) Quels paradigmes d'apprentissage pour la représentation des extrêmes géophysiques? (iii) comment apprendre des représentations et des algorithmes efficaces pour l'assimilation de données?. Les dynamiques superficielles de l’océan constitueront le domaine d’application idéal pour évaluer et démontrer la pertinence de ces paradigmes basés sur l’apprentissage pour combler les lacunes des modèles à représenter les données d’observation et les limites de leur échantillonnage spatio-temporel et améliorer la modélisation, prévision et reconstruction de dynamiques géophysiques aléatoires partiellement ou non observées. Pour mettre en œuvre ces objectifs, ce projet rassemble une expertise transdisciplinaire en méthodes numériques (INRIA GRA et Rennes), statistiques appliquées (IMT, LSCE), intelligence artificielle (IMT, LIP6) et en géophysique (IGE, INRIA GRA, LOPS), complétée par par la participation de deux PME (Ocean Data Lab et Ocean Next) pour anticiper la valeur ajoutée des technologies de l'IA dans les futures missions d'observation de la terre et les systèmes couplés observation-simulation.