Una rappresentazione visiva della rete neurale profonda DeepPrecip, incluso un rendering grafico di calcolo con 1,7 milioni di nodi e 2,8 milioni di bordi. L'immagine è un'istantanea nel tempo del complesso cervello della rete neurale di deep learning per il calcolo delle precipitazioni. Credito:Università di Waterloo
I canadesi pensano di sapere molto sulla neve. È praticamente un passatempo nazionale discutere del clima invernale.
Ma un dottorato di ricerca studente del Dipartimento di Geografia e Gestione Ambientale dell'Università di Waterloo sta portando l'ossessione canadese per il tempo a un livello completamente nuovo.
Fraser King sta studiando i modi in cui l'apprendimento automatico può essere applicato alla previsione dei modelli di precipitazioni, in particolare delle nevicate annuali e dello scioglimento delle nevi nel contesto del cambiamento climatico.
Nel suo ultimo studio, che ha intrapreso con un team di ricercatori tra cui il suo dottorato di ricerca. supervisore, il professor Christopher Fletcher, propone il suo nuovo programma di modellazione meteorologica sotto il nome di DeepPrecip.
"In questa nuova ricerca abbiamo lavorato per sviluppare un modello, che è una rete computazionale di deep learning", afferma King. "È difficile misurare con precisione la neve. Ci sono stati altri modelli, ma hanno alcune limitazioni. Il nostro nuovo modello sta aiutando a far progredire le cose".
DeepPrecip prende le montagne di dati esistenti dalle letture radar delle nevicate e quindi costruisce modelli predittivi. Tale ricerca è estremamente preziosa in un'era di cambiamenti climatici.
"Sento che come canadesi abbiamo la responsabilità di assicurarci di prenderci cura della terra e di monitorarla, perché avrà un impatto globale mentre il clima continua a riscaldarsi", afferma King.
"Una delle grandi domande nelle scienze dell'atmosfera è capire i cambiamenti nelle nevicate. È un processo piuttosto dinamico e non è ben compreso. Qualsiasi progresso che possiamo fare in questo settore è vantaggioso."
Mobilitare la conoscenza
Oltre a pubblicare articoli accademici per diffondere la sua ricerca, King ha dato la priorità alla comunicazione del suo lavoro a un pubblico più ampio, inclusi altri ricercatori al di fuori della sua disciplina e al pubblico in generale.
Per questo progetto in corso su DeepPrecip, ha pubblicato un post sul blog con la società di intelligenza artificiale Graphcore e un articolo sul popolare blog Toward Data Science su Medium. L'articolo rivolto al pubblico è abilmente intitolato "Le reti neurali sognano la neve che cade?" e allude al celebre romanzo di Philip K. Dick.
In un ulteriore sforzo per l'accessibilità, King ha reso il programma stesso disponibile e open source su GitHub.
Lui e il suo supervisore sono anche tra i finalisti del concorso Science Exposed del Natural Sciences and Engineering Research Council of Canada (NSERC) per il rendering del modello DeepPrecip (vedi immagine sopra).
King si è adoperato per tradurre le conoscenze scientifiche in formati accessibili per il pubblico durante tutta la sua carriera accademica. Ha vinto il concorso GRADflix dell'Università di Waterloo 2019, che ha sfidato i ricercatori a produrre video di un minuto che trasmettessero il loro lavoro al pubblico pubblico
"Penso che sia davvero importante non solo fare una buona ricerca, ma anche prendersi il tempo necessario per comunicare tale ricerca a un pubblico più ampio", afferma King. "Essere in grado di descrivere la ricerca alle parti interessate e ai finanziatori ed essere in grado di descriverla al pubblico in generale, è un obiettivo per me e spero che possa eccitare anche altri a intraprendere la ricerca". + Esplora ulteriormente
