Cerfacs Entrez dans le monde de la haute performance...

🎓Soutenance de thèse Rachid EL MONTASSIR

  Mardi 26 novembre 2024

  Salle JCA, Cerfacs, Toulouse, France    

 Approche hybride Physique-IA pour la prĂ©vision immĂ©diate de la couverture nuageuse

https://youtube.com/live/aXdXZDu5kTE?feature=share

[Subject to defense authorization]

SDU2E : École doctorale ED173 “Sciences de l'Univers, de l'Environnement et de l'Espace

Les modèles traditionnels de prĂ©visions numĂ©rique du temps sont efficaces mais coĂ»teux en calcul et peinent Ă  faire des prĂ©dictions Ă  petite Ă©chelle, tandis que les modèles basĂ©s sur les donnĂ©es sont prometteurs mais manquent souvent de cohĂ©rence physique et de gĂ©nĂ©ralisation. Ce travail aborde les limites des mĂ©thodes traditionnelles d’apprentissage profond dans la production de rĂ©sultats rĂ©alistes et physiquement cohĂ©rents qui peuvent se gĂ©nĂ©raliser Ă  des donnĂ©es invisibles. Dans cette thèse, nous explorons des mĂ©thodes hybrides qui cherchent Ă  concilier la prĂ©cision des mĂ©thodes de premier principe avec la puissance d’exploitation des donnĂ©es des techniques d’apprentissage, en nous concentrant sur la prĂ©vision immĂ©diate de la couverture nuageuse, en utilisant des images satellites avec classification des types de nuages.

L’approche proposĂ©e, nommĂ©e HyPhAICC, impose un comportement physique basĂ© sur l’advection de probabilitĂ©. Dans le premier modèle, appelĂ© HyPhAICC-1, la dynamique d’advection Ă  plusieurs niveaux est utilisĂ©e pour guider l’apprentissage d’un modèle U-Net. Ceci est rĂ©alisĂ© en rĂ©solvant l’Ă©quation d’advection pour plusieurs champs de probabilitĂ©, chacun reprĂ©sentant un type de nuage, tout en apprenant simultanĂ©ment le champ de vitesse inconnu.

Nos expĂ©riences montrent que HyPhAICC-1 surpasse Ă  la fois l’EXIM d’EUMETSAT et l’U-Net en termes de mĂ©triques standard ; Score F1, CSI et prĂ©cision. Nous dĂ©montrons Ă©galement que le modèle HyPhAICC-1 prĂ©serve plus de dĂ©tails et produit des rĂ©sultats plus rĂ©alistes par rapport au modèle U-Net. Pour mesurer quantitativement cet aspect, nous utilisons une version modifiĂ©e de la distance de Hausdorff qui est, Ă  notre connaissance, la première fois que cette mesure est utilisĂ©e Ă  cette fin dans la littĂ©rature. HyPhAICC-1 montre Ă©galement une convergence significativement plus rapide et des performances significativement meilleures que celles du modèle U-Net lorsqu’il est formĂ© sur des ensembles de donnĂ©es plus petits, soulignant l’efficacitĂ© de calcul de l’approche proposĂ©e.

Un autre modèle, appelĂ© HyPhAICC-2, ajoute un terme source Ă  l’Ă©quation d’advection, amĂ©liorant la prĂ©cision mais rĂ©duisant la qualitĂ© visuelle.

Ces rĂ©sultats suggèrent que cette approche hybride offre une solution prometteuse pour surmonter les limites des mĂ©thodes d’IA traditionnelles, inspirant potentiellement de nouvelles recherches pour combiner les connaissances physiques avec des modèles d’apprentissage profond pour des prĂ©visions mĂ©tĂ©orologiques meilleures et plus efficaces.

Jury

M. Fabrice GAMBOAfabrice.gamboa@math.univ-toulouse.frProfesseur, IMT Toulouse IIIExaminateur
M. Guillaume BALARACguillaume.balarac@legi.grenoble-inp.frProfesseur, LEGI GrenobleExaminateur
M. François FLEURETfrancois.fleuret@unige.chProfesseur, Université de GenèveRapporteur
M. Guillaume GASTINEAUguillaume.gastineau@locean.ipsl.frMaître de conférences, SorbonneRapporteur
Mme Sidonie LEFEBVREsidonie.lefebvre@onera.frIngénieure de recherche, ONERAExaminatrice

L'AGENDA

Mercredi

06

Novembre

2024

🎓Soutenance de thèse Paul WERNER

Mercredi 6 novembre 2024Du 9h30 Ă  12h00

  Thèses Cerfacs       Salle JCA, Cerfacs    

Jeudi

07

Novembre

2024

🎓Soutenance de thèse Emilio CONCHA

Jeudi 7 novembre 2024Du 12h30 Ă  14h30

  Salle JCA, CERFACS, Toulouse, France    

Jeudi

14

Novembre

2024

CONSULTER L'AGENDA