MATH-hold suveræn vinder af international data-klima-konkurrence

Vinderne og deres resultater blev den 14. december 2019 præsenteret på konferencen Neural Information Processing Systems (NeurIPS), der er et flagskib inden for Machine Learning konferencer.

Team CoCaLa (Copenhagen Causality Lab) vandt 18 af konkurrencens 34 kategorier og blev nummer to i de resterende 16 kategorier. Deres samlede score var 0.917 ud d af 1. Holdet var således en suveræn vinder af den samlede pris. Der deltog 40 hold med i alt 190 forskere i konkurrencen.

Amazon Web Services havde stillet en samlet præmiesum på 10.000 USD til rådighed. Der var 250 USD til vinderen af hver kategori og 1.500 USD til den samlede vinder, hvilket gav det danske hold 6.000 USD - 60 % af den samlede præmiesum.

De seks statistikere i Team CoCaLa er postdoc-forskerne Sebastian Weichwald og Gherardo Varando, samt de ph.d.-studerende Martin Emil Jakobsen, Phillip Bredahl Mogensen, Lasse Petersen og Nikolaj Thams.

Stolt institutleder

Opgaven i konkurrencen var ganske ambitiøs: alene ud fra nogle observationer skulle deltagerne rekonstruere grafer, der repræsenterede de underliggende årsagsforbindelser mellem vejr- og klimasystemer.

”Instituttet er utroligt stolt af det flotte resultat, som Team CoCaLa har opnået i konkurrencen”, siger institutleder Michael Sørensen. ”Holdet udgår fra Copenhagen Causality Lab, der er en stærk og internationalt anderkendt forskningsgruppe, og resultatet understreger, at de postdocs og ph.d.-studerende, som er tilknyttet gruppen, udgør et meget stærkt team”.

Niels Richard Hansen, der leder instituttets sektion for statistik og sandsynlighedsregning, er enig:

”Team CoCaLa har I løbet af konkurrencen arbejdet målrettet og effektivt. Med 34 kategorier, der repræsenterede forskellige praktiske og teoretiske udfordringer, var konkurrencen meget kompleks. Teamets succes i stort set samtlige kategorier skyldes ikke mindst et godt samarbejde, en god arbejdsdeling og en systematiseret overvågning af egne fremskridt undervejs”.

Bedre forståelse af Jordens klima

"Dataklimaudfordringen handlede om at opnå en vis årsagsforståelse af Jord-systemet. Vi oplever en massiv menneskeskabt påvirkning af jordsystemet ved udledning af drivhusgasser. Håbet er, at en bedre årsagsforståelse kan hjælpe os med bedre at forudsige, hvordan systemet reagerer på denne påvirkning, f.eks. hvad angår temperaturskift, tørke osv. Konkurrencen anvendte et mix af simulerede og rigtige data som et første skridt for at nå dette mål”, forklarer Jonas Peters, professor fra Copenhagen Causality Lab.

Niels Richard Hansen supplerer: ”Konkurrencer som Causality 4 Climate er vigtige for at drive forskningen fremad ved systematisk at benchmarke metoder mod hinanden. Systematisk benchmarking og konkurrencer har i årevis været standard indenfor prædiktiv machine learning, og vi er meget positive overfor en tilsvarende udvikling indenfor kausal machine learning. I sidste ende har vi brug for kausale modeller, hvis vi skal evaluere konsekvenserne af forskellige interventioner for at forhindre alvorlige klimaforandringer”.

Vinderholdet blev hjemme

”Causality4Climate-udfordringen var en del af NeurIPS, som er en af de førende konferencer om maskinlæring og AI. Der er hård konkurrence i sådan en konkurrence, og da man aldrig kan være sikker på at klare sig godt, bruger de fleste grupper ikke deres rigtige navne. 

Da vi fandt ud af, at gruppen fra vores institut valgte vores rigtige navn, 'Copenhagen Causality Lab', blev vi godt nervøse”, ler Jonas Peters, medstifter af CoCaLa.  

”Men gruppen omkring Sebastian Weichwald gjorde et godt stykke arbejde med et vigtigt problem. De opbyggede en stærk infrastruktur, som gjorde det muligt for dem at prøve mange metoder med minimal anstrengelse. De blev i øvrigt inviteret til at deltage i konferencen i Canada, men besluttede at holde foredraget via nettet. Det sparede mere end 20 ton CO₂. Vi burde virkelig prøve at lave flere online præsentationer”, slutter Jonas.

---

Se forskningsgruppen Copenhagen Causality Labs hjemmeside. 

Emner