Jakob Schlör

Jakob Schlör hat seinen Bachelor in Physik an der Universität Konstanz gemacht, gefolgt von einem Master in Physik an der Universität Regensburg. Während seines Studiums verbrachte er fünf Monate am Weizmann Institute of Science in Israel und ein halbes Jahr bei Bosch Research in Renningen. Seit September 2020 ist er Doktorand in der Arbeitsgruppe Maschinelles Lernen für die Klimawissenschaften an der Universität Tübingen und ist Teil der International Max-Planck Research School for Intelligent Systems.

https://machineclimate.de/people/schloer/

Wie können wir mit neuronalen Netzen Klimavorhersagen verbessern?

Können wir künstliche Intelligenz (KI) nutzen, um klimatische Veränderungen vorherzusagen? Neuronale Netze eignen sich sehr gut, um Muster in Daten zu erkennen, stoßen allerdings an Grenzen, wenn es um Extrapolation geht. Stefan Rasp und sein Team zeigen, wie man diesen Widerspruch auflösen kann: Sie integrieren neuronale Netze in Klimamodelle und können so nicht nur genauer, sondern auch effizienter die Folgen des Klimawandels vorhersagen.

Screenshot des Texts „Deep learning to represent subgrid processes in climate models".

In Zusammenarbeit mit der Universität Tübingen