La Universitat de València (UV) es una de las nueve instituciones europeas que formarán parte de la nueva red iMIRACLI, una acción Marie Curie financiada por la Comisión Europea dirigida a la formación de doctorandos y orientada a impulsar una nueva generación de científicos en datos sobre clima. Agrupa a investigadores líderes en el estudio del clima y el machine learning y a socios no académicos como Amazon y MetOffice.

A pesar de que la aplicación del acuerdo de París sobre el clima está basado en evidencias científicas robustas, la comprensión del cambio climático sigue siendo objeto de incertidumbres. Esto se debe en gran medida al «papel incierto» que juegan las nubes en el sistema climático y a su interacción con los aerosoles, recuerda la institución académica en un comunicado.

De hecho, alrededor del 70 % de la superficie terrestre se encuentra cubierto de nubes en un momento determinado. Aunque suelen producir un efecto de refrigeración sobre la Tierra, los científicos desconocen si las nubes contribuirán a acelerar el calentamiento o actuarán como elementos de compensación a medida que avance el cambio climático. Las técnicas innovadoras de la inteligencia artificial y el big data, como el machine learning (aprendizaje automático o estadístico) empiezan a mostrar su potencial para resolver problemas en ciencias del clima.

En esta línea, la Comisión Europea acaba de anunciar la financiación de una nueva red innovadora, en el marco de las acciones de formación Marie Curie, para estudiar y restringir los efectos de esta interacción nubes-aerosoles con la ayuda del machine learning. Liderada por la Universidad de Oxford, iMIRACLI (innovative MachIne leaRning tono constrain Aerosol-cloud CLimate Impacts) reúne a científicos líderes europeos en materia de clima y machine learning para trabajar en la formación de una nueva generación de científicos en datos sobre clima. El proyecto comenzará en 2020 y financiará a 15 estudiantes de doctorado en Europa, tres de ellos codirigidos en el laboratorio de procesado de imágenes de la Universitat de València. En el Parc Científic serán formados por el grupo de procesamiento de imágenes y señalización, encabezado por el catedrático de Ingeniería Electrónica Gustau Camps-Valls.

El objetivo es formar a la próxima generación de expertos en ciencias de datos climáticos; es decir, a personas con grandes conocimientos y capacidades en observación de la Tierra, el clima y el machine learning a la vez. Para ello, el grupo trabajará con los doctorandos en el campo del aprendizaje estadístico para detectar anomalías, emular modelos físicos complejos o diseñar métodos de aprendizaje automático que contemplen las leyes de la física e infieran las relaciones causales de los datos.

Philip Stier, catedrático de Física de la atmósfera en la Universidad de Oxford, es el investigador principal del consorcio: «El aprendizaje automático tiene el potencial para desbloquear una comprensión única y profunda del sistema climático a partir de grandes conjuntos de datos, pero requiere una nueva generación de expertos con conocimientos sustanciales, tanto del clima como de la información de datos».