Postdoctoral Researcher in AI for Climate Information Inference — ETH Zürich

Descrizione completa

Ricercatore post-dottorato in AI per l'inferenza delle informazioni sul clima

100%, Zurigo, a tempo determinato

stampa Druppo

Il ricercatore post-dottorato avanzerà l'applicazione di AI, grandi modelli di lingua (LLM), e l'apprendimento automatico per estrarre le informazioni climatiche affidabili dai dataset di sistema geospaziale e terrestre su larga scala, all'interno del programma NCCR CLIM+. Il ruolo collega la scienza del clima e l'intelligenza artificiale, sviluppando nuovi metodi per l'analisi dei dati climatici, il downscaling e la sintesi utilizzando modelli di fondazione (ad esempio Google Earth AI, AlphaEarth, TerraTorch) su una piattaforma HPC all'avanguardia. Il ricercatore condurrà una ricerca scientifica pubblica mentre costruirà strumenti e condotte che servono la più ampia comunità CLIM+. La posizione è supervisionata congiuntamente dal Prof. Andreas Prein, dal Prof. Erich Fischer e dal Prof. Reto Knutti all'ETH di Zurigo e dal Prof. Markus Leippold all'Università di Zurigo.

Sfondo del progetto

La scienza del clima sta generando volumi in rapida crescita di dati satellitari, di rianalisi e di modelli, creando nuove opportunità ma anche grandi sfide per trasformare i dati in informazioni robuste e utili. Questo progetto svilupperà metodi basati su AI per estrarre, sintetizzare e interpretare le informazioni climatiche affidabili dai dataset del sistema terrestre di grandi e complessi all'interno del programma NCCR CLIM+.

Descrizione del lavoro

• Progettare, sviluppare e applicare metodi AI/ML — compresi i modelli di lingua di grandi dimensioni (LLM) e i modelli di fondazione (Google Earth AI, AlphaEarth, TerraTorch) — per estrarre, sintetizzare e ragionare su informazioni climatiche affidabili da geospaziali su larga scala, satelliti, rianalisi e dataset del modello climatico
• Apprendimento avanzato della macchina fisica-consapevole per la rappresentazione del processo climatico su scala di chilometri
• Implementazione e valutazione di modelli AI generativi avanzati per la riduzione del clima ad alta risoluzione, l'assimilazione dei dati, l'emulazione e il post-elaborazione di previsioni meteo-clima
• Sviluppare metodi di quantificazione dell'incertezza nelle proiezioni in calo dei rischi climatici estremi e climatici
• Lavorare con i dati del sistema terrestre multimodale tra cui uscite di modelli climatici satelliti, aerei, in-situ, rianalisi e ad alta risoluzione
• Costruire strumenti software robusti e scalabili e datadotti per il trattamento di grandi dataset geospaziali, consentendo ai partner di progetto CLIM+ e alla più ampia comunità di ricerca di sfruttare le informazioni climatiche basate su AI
• Sviluppare e mantenere flussi di lavoro di ricerca riproducibili utilizzando moderne pratiche di ingegneria del software (controllo di conversione, test, documentazione, containerizzazione)
• Condurre ricerca scientifica originale e pubblica che genera nuove intuizioni all'incrocio di AI e scienza del clima
• Scrivere e presentare giornali peer-reviewed, presenti a conferenze internazionali, e contribuire a NCCR CLIM+ reporting e sovvenzioni proposte
• Assicurarsi che la ricerca produce sia conoscenze scientifiche che contributi metodologici sul campo
• Collaborare a stretto contatto con i gruppi di ricerca di ETH (Prein, Knutti, Fischer) e UZH (Leippold, Vaghefi, Colesanti Senni) per allineare lo sviluppo di AI con le domande di ricerca sulla scienza del clima
• Partecipare a attività di programma CLIM+, workshop e iniziative cross-project
• Contribuire alla supervisione di studenti e tirocinanti, se del caso

Profilo

• PhD in scienze del clima, scienza atmosferica, informatica, scienza dei dati, fisica, matematica applicata, telerilevamento o un campo correlato
• Forte record di pubblicazione in AI, machine learning, o Earth system science
• Esperienza con grandi set di dati geospaziali, telerilevamento, rianalisi o uscita del modello clima/tizzato
• Proficienza in Python e strutture di apprendimento automatico come PyTorch, TensorFlow, o JAX
• Esperienza con HPC e GPU
• Familiarità con i modelli di fondazione / LLM; interesse nei flussi di lavoro riproducibili
• Interesse a flussi di lavoro riproducibili e sviluppo di software scientifico
• Stile di lavoro indipendente, proattivo e collaborativo con forti capacità di comunicazione

Luogo di lavoro

Piano di lavoro