Scheda DL_GR_detection FINAL




Informazioni generali

Deep Learning Technologies for Gamma-Ray Bursts and Solar Flares detection

DL_GR_detection

R & D

RSN5

RSN4

Attività: In Itinere; Data inizio: 2017; Data fine: 2030

nicolo.parmiggiani nicolo.parmiggiani@inaf.it

Ricerca e sviluppo di metodi che sfruttano le tecnologie di Deep Learning per analizzare dati acquisiti da osservatori gamma e per effettuare detection di Gamma-Ray Bursts e Solar Flares. Le capacità di detection di questi nuovi metodi basati sul Deep Learning sono comparati con gli algoritmi attualmente utilizzati basati su tecniche classiche. Viene valutata anche la performance in termini di risorse computazionali richieste per effettuare le analisi.

Research and development of methods that use Deep Learning technologies to analyze data acquired by gamma observatories and perform Gamma-Ray Bursts and Solar Flares detection. The detection capability of these new Deep Learning-based methods is compared with the algorithms currently used based on classical techniques. In addition, we evaluate the performances in terms of computing resources needed for the analysis. 

Tecnologie per Astronomia delle Alte Energie

Tecnologie Informatiche e software

Tecnologie per osservazioni da spazio

Tecnologie per osservazioni da Terra


Team Summary

15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 3
Struttura Nfte N0 TI 2022 TI 2023 TI 2024 TD 2022 TD 2023 TD 2024 Nex Extra
OAS BOLOGNA 0 0 0.00 0.00 0.00 0.00 0.00 0.00 1 0.10
Totali 0 0 0.00 0.00 0.00 0.00 0.00 0.00 1 0.10
16. Personale Associato INAF coinvolto
Numero di partecipanti Associati INAF: 3
# Struttura TI 2022 TI 2023 TI 2024 TD 2022 TD 2023 TD 2024 Extra
1 INAF/OAS Bologna 0 0 0 0.00 0.00 0.00 0.00
2 INAF OAS/Bologna 0 0 0 0.00 0.00 0.00 0.00
Totali 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Fondi a sostegno

21. Totale fondi a disposizione (dato aggregato, k€)
Certi 2022 Certi 2023 Certi 2024 Presunti 2022 Presunti 2023 Presunti 2024
0 0 0 0 0 0

Produzione scientifica e tecnologica

22. Produzione scientifica e tecnologica - Highlights
# DOI Descrizione Azione
1 10.3847/1538-4357/abfa15 Titolo: A Deep Learning Method for AGILE-GRID Gamma-Ray Burst Detection Autori:N. Parmiggiani and A. Bulgarelli and V. Fioretti and A. Di Piano and A. Giuliani and F. Longo and F .... Publisher:American Astronomical Society Rivista: The Astrophysical Journal Anno pubblicazione:2021



Informazioni Pubbliche

Gamma-ray astronomy; Gamma-ray bursts; Gamma-ray observatories; Gamma-ray telescopes; Gamma-ray transient sources; Gamma-rays

AGILE; CTA


15. Team members, Informazioni generali


15. Personale INAF coinvolto

# Nome E-mail Struttura TI Qualifica Ruolo nel Progetto FTE Impegnate (2022/2023/2024) FTE Presunte (2022/2023/2024) Extra
1 nicolo.parmiggiani nicolo.parmiggiani@inaf.it OAS BOLOGNA N TECNOLOGO Coordinatore e sviluppatore X X X X X X X OK
2 andrea.bulgarelli andrea.bulgarelli@inaf.it OAS BOLOGNA Y PRIMO TECNOLOGO Coordinatore X X X X X X X OK
3 antonio.addis antonio.addis@inaf.it OAS BOLOGNA N ASSEGNISTA sviluppatore X X X X X X X OK

16. Personale Associato INAF coinvolto

# Nome E-mail Struttura TI Qualifica Ruolo nel Progetto FTE Impegnate (2022/2023/2024) FTE Presunte (2022/2023/2024) Extra
1 leonardo.baroncelli leonardo.baroncelli@inaf.it INAF/OAS Bologna N Dottorando sviluppatore [0, 0, 0] [0.0, 0.0, 0.0] 0.0
2 ambra.dipiano ambra.dipiano@inaf.it INAF OAS/Bologna N Dottoranda Sviluppatrice [0, 0, 0] [0.0, 0.0, 0.0] 0.0
3 gabriele.panebianco gabriele.panebianco@inaf.it INAF/OAS Bologna N Dottorando Sviluppatore [0, 0, 0] [0.0, 0.0, 0.0] 0.0

21. Fondi a Sostegno Iniziativa


Tabella fondi:

# Provenienza Certi 2022 (k€) Certi 2023 (k€) Certi 2024 (k€) Presun. 2022 (k€) Presun. 2023 (k€) Presun. 2024 (k€) Totale Certi (k€) Totale Presunti (k€)


Tabella fondi Astrofisica Fondamentale e PNRR:
# Provenienza Fondi 2022 (€) Fondi 2023 (€) Fondi 2024 (€)