CIC meetings         Le G3T-IA du CNRM et le club Deep Learning de Météo-France ont le plaisir de vous convier à la deuxième édition du séminaire scientifique de Météo-France, dédié au domaine de l'intelligence artificielle (IA). S'inscrivant dans le contexte de l'essor rapide de l'IA dans notre domaine, ce séminaire se veut une opportunité d'explorer les avancées récentes et les recherches en cours dans le domaine de l'IA au sein de notre institution.       Documents • téléchargezle programme des journées. • téléchargezles résumés des présentations.   Les enregistrements et les présentationsdes journées   Ouverture     Clôture         session 1 Activités IA en cours à Météo-France   session 2 Prévision d'ensemble   session 3 Applications de l'IA - partie 1 Activitésdu DSM/Lab IA en 2024 M. Ferreira et al.     LesLLMs L. Berthomier et al.     MFAI, py4cast, AROME-IA et l'IA chez nos partenaires européens L. Berthomier et al.     Vérificationsubjective des modèles de PNT-IA M. Pardé et al.     Jefais de l'IA-humaine. C'est grave, docteur ? F. Guillemot     Valorisationde la PE-AROME vers les services opérationnels : détection d'objets convectifs et clustering des membres avec réseaux de neurones A. Mounier     Scénariosde prévision d'ensemble adaptés aux besoins usagers F. Roubelat     DistributionalRegression U-Nets for the Postprocessing of Precipitation Ensemble Forecasts M. Taillardat     Sélectiond'échelle en prévision probabiliste des événements à fort impact F. Bouttier     Comparaisond'approches génératives pour l'émulation d'ensemble de prévision AROME A. Bonamy et al.     ProjetDEEPAIR R. Köth et al.     Doesdeep learning ease the assimilation of new observation in LDAS-monde? P. Vanderbecken et al.     Unnouvel algorithme de détection de la grêle sévère à partir de réseaux de neurones convolutifs appliqués à des observations radar à double-polarisation C. Augros et al.     Intercomparaisonde différentes méthodes IA de prévision immédiate de lame d'eau menée par DSM/LABIA, DirOP/COMPAS/COM et DirOP/PI N. Merlet     Estimationde la contribution de la circulation atmosphérique sur les variations observées de températures en Europe avec un UNET E. Cariou et al.     Prévisiondu risque orageux à l'aide de réseaux de neurones M. Bosc et al.   session 4 Applications de l'IA - partie 2   session 5 Downscaling et climat     Combiningphysics and machine learning in hybrid geoscientific models J. Le Sommer     Apprentissageautomatique interprétable pour la modélisation environnementale D. Wilson     Observationdes traînées de condensation pour l'amélioration des modèles prédictifs M. Lamothe et al.     ProbabilisticWeather Forecasting via Latent Space Perturbations of Machine Learning Emulators S. Adamov     Firstlook at MeteoSwiss' Machine Learning Weather Forecasting Emulator A. Pennino     HybridARP-GEM1 : implémentation de paramétrisations IA dans un modèle de climat global B. Balogh et al.     Descented'échelle statistique pour la météorologie urbaine à l'échelle hectométrique J. Wurtz et al.     Émulateurde modèle de climat régional : Exemple d'application à un grand ensemble A. Doury     Premierspas vers un émulateur de modèle de climat régional multivarié C. Carty
	© Météo-France - Direction de la Communication