Présentation du thème

Le thème SAMA (Statistics for Analysis, Modelling and Assimilation) à l’IPSL a pour but de permettre une meilleure utilisation conjointe des observations et des techniques de modélisation afin de mieux représenter le climat, les fluides géophysiques, leurs constituants et d’améliorer leur prévision. Cet objectif peut être atteint grâce à de nouveaux développements mathématiques et méthodologiques. SAMA est historiquement regroupé autour de trois sous-thèmes : réseau de neurones (qui a évolué en « Intelligence Artificielle »), assimilation de données, et statistiques pour le climat et les sciences environnementales.

Les thèmes relevant de SAMA sont notamment :

  • Traitement et valorisation de données massives, hétérogènes et complexes
  • Quantification d’incertitude
  • Processus non-linéaires
  • Détection et attribution du changement climatique
  • Événement extrêmes
  • Problèmes inverses

Les progrès récents sur ces thèmes sont soutenus par la recherche autour de méthodes :

  • Intelligence artificielle : apprentissage automatique
  • Combinaison de méthodes d’ensembles et variationnelles pour l’assimilation de données
  • Méthodes stochastiques : approches bayésienne, downscaling, générateurs de temps stochastique, causalité

SAMA organise des séminaires (notamment le séminaire biannuel SAMA IA et Climat https://ai4climate.lip6.fr/)  et aide à définir des projets de recherches relevant de ce thème.

 
Pour s'inscrire à la liste de diffusion SAMA

Les actus du thème


event_img Marque IPSL
L’ascension renversante de l’inversion atmosphérique
event_img Marque IPSL
Modéliser les événements dits extrêmes
event_img Marque IPSL
Le Machine Learning au service de l’étude des océans
event_img Marque IPSL
ESPRI-IA : œuvrer pour une communauté
event_img Marque IPSL
« IA for climat », une session posters très prometteuse
event_img Marque IPSL
Démêlons la toison des émissions anthropiques…
event_img Marque IPSL
Le Machine Learning à l’IPSL, tout un programme !


Animateur·rices du thème

Adriana Coman • LISA-IPSL

Soulivanh Thao • LSCE-IPSL

Cécile Mallet • LATMOS-IPSL