Le dinamiche della regione Artica sono fortemente connesse a quelle del cambiamento climatico: il surriscaldamento dell'Artico è quattro volte più rapido della media globale e alcuni dei fenomeni che lo caratterizzano hanno influenze climatiche e socio-economiche a larga scala. Al momento, tuttavia, le cause di questi fenomeni sono in buona parte ignote e un approccio fondato esclusivamente sulla modellistica tradizionale, che richiede di identificare le relazioni matematiche sottese ai processi fisici, non sembra permetterne un'analisi esaustiva.

Il progetto MELTED (MachinE Learning for arcTic ice prEDiction) si pone l'obiettivo di migliorare la comprensione dei processi legati alla dinamica del ghiaccio Artico, integrando la modellistica tradizionale con avanzate metodologie di Data Assimilation e Machine Learning. Queste tecniche sono infatti capaci di processare enormi moli di dati, spesso incompleti (data sparseness), e portare alla luce relazioni complesse non rappresentate nei modelli fisici disponibili (interpretability). La combinazione dei due approcci vuole pertanto cercare di affrontare alcuni dei problemi che caratterizzano la modellistica tradizionale, la cui efficacia è attualmente limitata dalla scarsa conoscenza di molti processi fisici e dalle elevate richieste computazionali.

Per raggiungere questi obiettivi, il primo compito di MELTED è quello di raccogliere dati osservati e di rianalisi per la regione artica, e di effettuarne un'elaborazione preliminare. Tali dati devono essere successivamente processati mediante tecniche avanzate di Machine Learning. In particolare, il progetto MELTED ambisce a correggere gli errori sistematici che influenzano i modelli fisicamente basati, migliorando in tal modo la nostra capacità di prevedere le dinamiche del ghiaccio marino artico.