Modellierung von Biosphärenextremen mithilfe von Reservoir Computing

Projekttitel: Modeling Biosphere Extremes Using Reservoir Computing

Projektdauer: 01.06.2021 – heute

Forschungsbereich: Erd- und Umweltwissenschaften

Ziele

Das PhD-Projekt „Modeling Biosphere Extremes using Reservoir Computing“ untersucht neue Methoden zur Vorhersage extremer Ereignisse in Ökosystemen. Es nutzt Reservoir Computing, insbesondere Echo State Networks (ESNs), also eine spezielle Form rekurrenter neuronaler Netze, die besonders gut für die Analyse von Zeitreihendaten geeignet sind.

Die Forschung konzentriert sich darauf, wie ESNs komplexe ökologische Dynamiken effektiv erfassen und modellieren können, und zeigt ihr Potenzial für die Vorhersage extremer Umweltbedingungen. Das Projekt verbindet damit fortgeschrittene Rechenmethoden mit Umweltwissenschaften und verdeutlicht die Möglichkeiten von ESNs zum Verständnis und zur Prognose von Ökosystemverhalten.

Ziele im Überblick

• Entwicklung innovativer Methoden zum Verständnis und zur Vorhersage extremer Ereignisse in Ökosystemen mithilfe von Reservoir Computing.
• Nachweis der Leistungsfähigkeit von Echo State Networks bei der Analyse komplexer Zeitreihendaten aus Umweltsystemen.
• Bereitstellung effizienter Rechenwerkzeuge für die Community zur Nutzung von Reservoir-Computing-Modellen.
• Verbindung fortgeschrittener computergestützter Methoden mit ökologischer Forschung, um das Verständnis von Ökosystemverhalten zu verbessern.

Problem

Komplexität ökologischer Systeme: Die inhärente Komplexität und Unvorhersehbarkeit von Ökosystemen, insbesondere unter extremen Bedingungen, soll adressiert werden.

Vorhersageherausforderungen: Die Grenzen herkömmlicher Methoden bei der genauen Vorhersage extremer Umweltereignisse sollen überwunden werden.

Datenanalyse: Komplexe ökologische Zeitreihendaten sollen effizient analysiert werden.

Einsatz fortgeschrittener Rechenmethoden: Reservoir Computing, insbesondere Echo State Networks, soll genutzt werden, um die Vorhersagefähigkeiten in der ökologischen Modellierung zu verbessern.

Brücke zwischen Disziplinen: Fortgeschrittene computergestützte Methoden sollen mit ökologischer und Umweltforschung verknüpft werden.

Fehlende Werkzeuge: Es soll eine allgemeine und effiziente Softwarebibliothek namens „ReservoirComputing.jl“ entwickelt werden, um die Lücke bei Werkzeugen für die Erforschung und Implementierung von Reservoir-Computing-Modellen in der ökologischen Forschung zu schließen.

Praxisbeispiele

• ReservoirComputing.jl
• rnn-ndvi
• SpectralIndices.jl

Technologie

• Julia
• Recurrent Neural Networks
• Reservoir Computing

Publikationen

• Martinuzzi, F., Mahecha, M. D., Camps-Valls, G., Montero, D., Williams, T., & Mora, K. (2023). Learning Extreme Vegetation Response to Climate Forcing: A Comparison of Recurrent Neural Network Architectures. EGUsphere, 2023, 1-32.
• Martinuzzi, F., Rackauckas, C., Abdelrehim, A., Mahecha, M. D., & Mora, K. (2022). ReservoirComputing. jl: an efficient and modular library for reservoir computing models. The Journal of Machine Learning Research, 23(1), 13093-13100.

Team

Leitung

• Francesco Martinuzzi

Teammitglieder

• Karin Mora
• Prof. Dr. Miguel Mahecha

Partner

• University of Valencia