FMI-TUNI

Hankkeessa keskitytään keskeisten merijääparametrien estimointiin ja merijään luokitteluun syväoppimismenetelmillä mikroaaltotaajuuksien satelliittidatasta ja jäämalleista. Nykyisissä koneoppimisalgoritmeissa (ML) on huomattavia puutteita. AI näkyy ulospäin mustana laatikkona, eli syötteiden, rakenteen, ML:n koodaaman informaation ja lähtöjen suhteista on saatavilla vain vähän tai ei lainkaan tietoa. Myöskään estimaattien paikallisia epävarmuuksia ei ole saatavilla. Tavoitteena on poistaa näitä puutteita toteuttamalla integroitu optimoitu joukko merijääluokittelu- ja merijääparametrien estimointialgoritmeja, sisältäen myös paikalliset epävarmuudet. Selitettävää tekoälyä (XAI) tullaan käyttämään koneoppimisen analysointiin ja kehittämiseen. ML:n hyperparametrien (rakenteen) optimointia sovelletaan myös algoritmien optimointiin. Hankkeen työ suoritetaan käyttämällä IL:ssa arkistoitua Itämeren ja Arktisen alueen dataa.

2025

2029