ChairesIA_2019_1 - Chaires de recherche et d'enseignement en Intelligence Artificielle - vague 1 de l'édition 2019

Physics-Informed AI for Observation-driven Ocean AnalytiX – OceaniX

Résumé de soumission

Couvrant plus de 70% de la surface de la terre, les océans jouent un rôle clé dans la régulation du climat de la Terre et pour nos sociétés (eg, ressources marines et activités maritime). Malgré le développement croissant des capacités de simulation et d’observation menant à des masses données multi-source, notre capacité à comprendre, reconstruire et prévoir les dynamique de l’océan et exploiter des données pour des thématiques duales de surveillance/défense d’activités et espaces maritimes reste limité.
OceaniX a pour objectif d’explorer et de développer des stratégies basées IA pour la prochaine génération des systèmes et services de monitoring, surveillance et défense des océans. Nous mettons l’accent sur le développement de plates-formes multi-source (eg, satellites, drones, in situ, modélisation) pouvant adapter de manière optimale leur stratégie d’observations vis-à-vis d’un objectif spécifique et d’une capacité à anticiper sur l’évolution des processus en jeu, y compris pour des signaux faibles, tendances long-terme et extrêmes spatio-temporels. Cet objectif général s'appuiera sur le couplage de connaissances physiques a priori et des approches d'apprentissage basées sur les données au cœur de l'intelligence artificielle pour apprendre de nouvelles représentations de systèmes dynamiques complexes efficaces sur le plan computationnelle et physiquement consistantes. Ces développements fourniront la base méthodologique pour relever des défis majeurs: i) la conception et l’optimisation de systèmes multi-plateformes d’observation et surveillance des océans, ii) la modélisation, la prévision et la reconstruction pilotées par l’observation des processus océaniques mal résolus, iii) la surveillance et défense multi-plateforme des activités et espaces maritimes. Notre programme de formation MSc/Ingénieur/Doctorat/formation continue vise à former la future génération des experts disposant d’une expertise originale transdisciplinaire IA/Modélisation numérique/Sciences de l’Océan, qui développeront et mettront en oeuvre les nouveaux moyens d’observation et surveillance des océans. Basée sur une pédagogie active, il stimulera fortement les interactions interdisciplinaires entre les étudiants et professionnels (chercheurs, ingénieurs,...), ainsi qu’une prise de conscience globale du rôle des technologies de l’IA vis-à-vis des enjeux sociétaux et environnementaux.
Ce projet constitue un tremplin pour structurer un groupe de recherche et formation de renommée internationale transcendant largement les frontières de l’IA de l’océanographie et de la télédétection, avec de fortes interactions académie-industrie et science-société. Notre attractivité internationale bénéficiera de la participation et de la coordination de programmes internationaux (tels que le leadership scientifique de missions internationales d’océanographie spatiale) et s’appuiera sur, entre autres, un programme de formation en anglais, des partenariats universitaires internationaux pour les bourses de visite entrantes et sortantes et l’organisation d'ateliers internationaux et “data challenges”.
Pour atteindre ces objectifs, OceaniX démontre une très forte capacité de structuration d’une équipe transdisciplinaire regroupant des expertises en IA, statistiques appliquées, modélisation numérique, télédétection et sciences de l’océan, soutenue par des partenariats institutionnels (CNES, ENSTA Br., Ecole Navale, ESA, Ifremer, IMT Atl., INS2I, INSU, IRD, Isblue), industriels (ACRI-ST/ARGANS, CLS, Eodyn, ITE-FEM, Mercator-Ocean, Microsoft, Naval Group, ODL, OceanNext), son budget total s’élève à 4M€, soit 15% de la subvention demandée à l’ANR.

mots-clés: océanographie, espaces et activités maritimes, océanographie tactique, télédétection satellitaire, observations in situ, données multi-plateforme et multi-source, systèmes dynamiques complexes, extrêmes, deep learning, représentations basées données, problèmes inverses, observabilité, predictabilité.

Coordination du projet

Ronan FABLET (Laboratoire des Sciences et Techniques de l'Information, de la Communication et de la Connaissance)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

LAB-STICC Laboratoire des Sciences et Techniques de l'Information, de la Communication et de la Connaissance

Aide de l'ANR 599 999 euros
Début et durée du projet scientifique : août 2020 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter