Downscaling Climate Models with Physics-informed Machine Learning to tackle the Energy Transition: Presentation of the EnergAIze project at the internal AI4Green networking event.

Titel in Übersetzung: Downscaling von Klimamodellen mit physikalisch informiertem maschinellem Lernen zur Bewältigung der Energiewende: Präsentation des EnergAIze Projekts auf einem internen AI4Green Networking Event.

Jasmin Lampert (Vortragende:r), Pascal Léon Thiele, Marianne Bügelmayer-Blaschek, Kristofer Hasel, Theresa Schellander-Gorgas, Irene Schicker

Publikation: Posterpräsentation ohne Beitrag in Tagungsband › Posterpräsentation ohne Eintrag in Tagungsband

Titel in ÜbersetzungDownscaling von Klimamodellen mit physikalisch informiertem maschinellem Lernen zur Bewältigung der Energiewende: Präsentation des EnergAIze Projekts auf einem internen AI4Green Networking Event.
OriginalspracheEnglisch
Seitenumfang1
PublikationsstatusVeröffentlicht - 26 Juni 2024
VeranstaltungAI for Green - Vienna, Österreich
Dauer: 26 Juni 2024 → 26 Juni 2024

Sonstiges

SonstigesAI for Green
Land/GebietÖsterreich
StadtVienna
Zeitraum26/06/24 → 26/06/24

Research Field

  • Multimodal Analytics
  • Climate Resilient Pathways

Schlagwörter

  • Physics-informed Machine Learning
  • Climate Change
  • Energy Meteorology
  • Energy transition
  • Downscaling

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

  • SDG 7 – Erschwingliche und saubere Energie
  • SDG 11 – Nachhaltige Städte und Gemeinschaften
  • SDG 13 – Klimaschutzmaßnahmen

Andere Dateien und Links

Diese Publikation zitieren