Inferência baseada em simulação para modelos climáticos.

• Processo: 25/06168-8
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 30 de setembro de 2025
• Data de Término da vigência: 29 de setembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Rafael Izbicki
• Beneficiário: Luben Miguel Cruz Cabezas
• Supervisor: Pedro Luiz Coelho Rodrigues
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: Centre Inria De L'Université Grenoble Alpes, França
• Vinculado à bolsa: 22/08579-7 - Validação e calibração de modelos preditivos, BP.DD
• Palavra(s)-Chave do Pesquisador: Calibração estatística | Inferência baseada em simuladores | Modelagem Climática | modelagem híbrida | Predição Conforme | Aprendizado estatístico

Resumo

Este projeto tem como objetivo desenvolver métodos de aprendizado de máquina para aprimorar a compreensão e modelagem de fenômenos físicos, com foco especial na ciência do clima e em problemas de inferência relacionados. A Inferência Baseada em Simulação (SBI) oferece um poderoso arcabouço para estimar parâmetros de modelos não lineares a partir de dados observacionais, sendo essencial para tarefas como o ajuste de parametrizações em modelos atmosféricos e oceânicos. No entanto, os métodos atuais de SBI são amplamente limitados a modelos de pequena escala, restringindo sua aplicabilidade a simulações climáticas complexas.Nosso objetivo é expandir o arcabouço da SBI para lidar com modelos de grande escala, ao mesmo tempo em que abordamos um desafio fundamental: a falta de calibração estatística nas estimativas à posteriori, especialmente em cenários de alta dimensão. Posterioris mal calibradas podem comprometer a quantificação da incerteza e levar a inferências imprecisas. Para resolver esse problema, propomos técnicas de calibração estatística baseadas em métodos conformais, desenvolvidas especificamente para simuladores de grande escala.Assim, este projeto foca em dois desafios principais: (1) desenvolver novos algoritmos de SBI que considerem os altos custos computacionais das simulações climáticas e (2) projetar estratégias escaláveis de calibração estatística para melhorar a confiabilidade de estimativas à posteriori. (AU)