Hvilke dybe læringsalgoritmer kan lære os om sne

Canadiere tror, ​​de ved meget om sne. Det er praktisk talt et nationalt tidsfordriv at diskutere vintervejr.

Men en ph.d. studerende ved Institut for Geografi og Miljøledelse ved University of Waterloo tager den canadiske besættelse af vejret til et helt nyt niveau.

Fraser King studerer, hvordan maskinlæring kan anvendes til at forudsige nedbørsmønstre og især årligt snefald og snesmeltning i forbindelse med klimaændringer.

I sit seneste studie, som han foretog sammen med et team af forskere, herunder hans ph.d. vejleder professor Christopher Fletcher, han fremlægger sit nye vejrmodelleringsprogram under navnet DeepPrecip.

"I denne nye forskning har vi arbejdet på at udvikle en model, som er et deep learning computernetværk," siger King. "Det er svært at måle sne nøjagtigt. Der har været andre modeller, men de har nogle begrænsninger. Vores nye model hjælper med at flytte tingene fremad."

DeepPrecip tager de bjerge af data, der eksisterer fra radaraflæsninger af snefald og bygger derefter forudsigelige modeller. Sådan forskning er ekstremt værdifuld i en æra med klimaændringer.

"Jeg føler, at vi har et ansvar som canadiere for at sikre, at vi passer på jorden og overvåger den, for det vil få globale konsekvenser, når klimaet fortsætter med at varme," siger King.

"Et af de store spørgsmål inden for atmosfæriske videnskaber er at forstå ændringer i snefald. Det er en ganske dynamisk proces, og det er ikke en, der er godt forstået. Ethvert fremskridt, vi kan gøre på dette område, er gavnligt."

Mobilisering af viden

Ud over at udgive akademiske artikler for at formidle sin forskning har King gjort det til en prioritet at formidle sit arbejde til et bredere publikum, herunder andre forskere uden for hans fagområde og offentligheden som helhed.

Til dette aktuelle projekt på DeepPrecip udgav han et blogindlæg med AI-virksomheden Graphcore og en artikel om den populære Toward Data Science-blog på Medium. Den offentligt vendte artikel har den smarte titlen "Drømmer neurale netværk om faldende sne?" og hentyder til den berømte roman af Philip K. Dick.

I en yderligere indsats for tilgængelighed har King gjort selve programmet tilgængeligt og åben kildekode på GitHub.

Han og hans vejleder er også blandt finalisterne i Natural Sciences and Engineering Research Council of Canada (NSERC) Science Exposed-konkurrence for deres gengivelse af DeepPrecip-modellen (se ovenstående billede).

King har gjort meget ud af at omsætte videnskabelig viden til tilgængelige formater for offentligt publikum gennem hele sin akademiske karriere. Han vandt 2019 University of Waterloo GRADflix-konkurrencen, som udfordrede forskere til at producere et minuts videoer, der formidlede deres arbejde til et offentligt publikum

"Jeg tror, ​​det er virkelig vigtigt ikke kun at lave god forskning, men også at tage sig tid til at formidle den forskning til et bredere publikum," siger King. "At være i stand til at beskrive forskningen til interessenter og finansieringskilder og at kunne beskrive den for offentligheden som helhed, er et fokus for mig, og jeg håber, det kan ophidse andre til også at tage forskningen op." + Udforsk yderligere

Bakterier kunne være med til at opfange drivhusgasser