Apprentissage automatique géométrique pour la prévision météorologique

Bonjour ! PARIS a le plaisir d'accueillir Boris Bonev, chercheur chez NVIDIA, pour un séminaire scientifique exceptionnel.

© Hi! PARIS Apprentissage automatique géométrique pour la prévision météorologique

Sa conférence, intitulée « Apprentissage automatique géométrique pour la prévision météorologique probabiliste », explorera comment l'apprentissage automatique géométrique peut soutenir la prochaine génération de systèmes de prévision météorologique et climatique. Alors que les modèles d'apprentissage automatique deviennent des outils de plus en plus puissants pour la prévision numérique du temps, des défis majeurs subsistent, notamment face aux événements extrêmes, à la géométrie sphérique de la Terre, à la résolution de la grille et à la stabilité à long terme.

Boris Bonev présentera les avancées récentes en matière d'opérateurs neuronaux géométriques conçus pour respecter les symétries et la topologie de la sphère. Le séminaire portera sur des méthodes telles que l'opérateur neuronal de Fourier sphérique, les mécanismes d'attention sphériques et leur application à la dynamique atmosphérique. Il abordera également FourCastNet 3, un système de prévision météorologique probabiliste évolutif, développé selon les principes du traitement du signal sphérique et entraîné sur une infrastructure GPU à grande échelle.

Ce séminaire mettra en lumière comment ces approches permettent d'obtenir des prévisions plus rapides, plus stables et plus cohérentes sur le plan physique, ouvrant ainsi de nouvelles perspectives pour la prévision météorologique, la modélisation climatique et les systèmes de régionalisation.

À propos de l'intervenant : Boris Bonev est chercheur chez NVIDIA, où il travaille sur l'apprentissage automatique et les algorithmes numériques. Ses recherches portent sur l'application des mathématiques et des méthodes de calcul à des problèmes scientifiques et d'ingénierie complexes, notamment le calcul scientifique, la simulation numérique et l'apprentissage automatique pour les applications scientifiques. Il est titulaire d'un doctorat en mathématiques appliquées de l'EPFL, obtenu sous la direction de Jan S. Hesthaven.