Die Entwicklung von terrestrischen Planeten des Sonnensystems (Merkur, Venus, Erde und Mars) und von Exoplaneten, die andere Sterne umlaufen, wird durch die Mantelkonvektion, den langsamen Fluss von Mantelgestein, gesteuert. Über geologische Zeitskalen fließen feste Silikatgesteine wie eine hochviskose Flüssigkeit. Der konvektive Wärmetransport aus dem Planeteninneren an die Oberfläche ist die Hauptursache für die geologische Aktivität von Gesteinskörpern. Die wichtigsten physikalischen Parameter des Mantels sowie seine Anfangsbedingungen sind aber nur unzureichend bekannt. Um Oberflächenbeobachtungen im Zusammenhang mit der Mantelkonvektion zu interpretieren, ist eine umfassende Erkundung des Parameterraums notwendig. Herkömmliche numerische Ansätze schränken unsere Möglichkeiten ein, die Bandbreite möglicher Parameter, Anfangsbedingungen und zeitlicher Entwicklungen zu erforschen. Moderne Methoden des maschinellen Lernens (ML) zur Modellierung von Flüssigkeitsströmungen haben das Potenzial, die Erkundung viel breiterer Parameterräume zu ermöglichen.

Im Projekt PLAGeS werden physikbasierte Lernstrategien mit traditionellen Lösungsverfahren kombiniert, um Simulationen der thermischen Entwicklung von terrestrischen Planeten drastisch zu beschleunigen. Das ermöglicht, vorhandene Beobachtungen von Gesteinsplaneten des Sonnensystems und von Exoplaneten im Lichte der Ergebnisse dieser neu entwickelten Modell neu zu interpretieren.