Seminar

Los modelos globales del clima son las principales herramientas usadas hoy en día para estudiar la evolución del sistema climático, desde unos pocos días hasta varias décadas en el futuro. Estos modelos resuelven numéricamente las ecuaciones que rigen el comportamiento del sistema climático sobre una rejilla espacio-temporal. Los requerimientos computacionales limitan la resolución espacial de los modelos y dificultan la generación de escenarios de cambio climático de alta resolución, necesitados para estudios de impacto, mitigación y adaptación por una gran variedad de sectores socio-económicos (p.e., sector energético). Una manera de incrementar la resolución de los modelos climáticos es a través de modelos estadísticos, de forma que aprendan relaciones empíricas entre las variables de baja y alta resolución. 

En particular en esta sesión de "Las Mañanas IFCA", explicaré qué pueden ofrecer el Deep Learning ---modelos de redes neuronales profundas que han conseguido variedad de éxitos en distintos campos de la inteligencia artificial,--- para regionalizar las proyecciones de cambio climático producidas por los modelos globales del clima.

Jorge Baño es estudiante de doctorado en el Grupo de Meteorolgía del IFCA. Desarolla su investigación en el campo de los modelos estadísticos y el Deep Learning como herramienta para observar la evolución del sistema climático. Gracias a esta investigación, Jorge Baño ha participado en la creación del Atlas Interactivo del IPCC sobre cambio climático.