Version du 14 juin 2021
Après un diplôme d’ingénieur et un Master en sciences et mécanique à l’Ecole Polytechnique (2014), Tom Beucler obtient un doctorat en science atmosphérique au MIT en 2019. Cette même année, il devient chercheur postdoc à l’interface de l’apprentissage automatique (machine learning) et des sciences climatiques à Columbia et UC Irvine, où il travaille avec les professeurs Pierre Gentine et Michael Pritchard.
Ses travaux, qui le mènent à collaborer avec des scientifiques de l’environnement et des ingénieur·e·s informaticien·ne·s, couvrent divers champs de recherche, dont l’informatique climatique, la physique atmosphérique, la dynamique des fluides et la météorologie tropicale. Ils explorent l’amélioration des modèles atmosphériques grâce aux réseaux de neurones, qui permettent de mieux modéliser l’impact des nuages sur le cycle hydrologique à partir de données haute-résolution, et ainsi de mieux prédire les événements climatiques extrêmes et la variabilité du climat terrestre.
Plus généralement, Tom Beucler travaille sur l’intégration des outils de l’apprentissage automatique dans les modèles du climat, de la prédiction des orages tropicaux à l’analyse du risque d’inondation. Il organise chaque semaine des groupes d’échange d’idées pour encourager les chercheurs en sciences de l’environnement à adopter ces nouveaux outils statistiques.