ML4A è un’attività R&D che si propone di sviluppare e applicare le competenze sul Machine Learning presenti in Arcetri in diversi campi di ricerca scientifica, legate alla previsione della turbolenza ottica per i telescopi da terra, alla caratterizzazione dei parametri stellari e alla caratterizzazione e identificazione delle misure spettroscopiche. Attualmente in INAF c'è grande richiesta per competenze sul Machine Learning, che non è bilanciata da un'adeguata offerta. L'attività mira a disseminare le conoscenze di Machine Learning in molteplici gruppi scientifici in modo da gettare le basi per un centro di competenza su tale argomento basato in Arcetri.
ML4A is an R&D activity that aims to develop and apply the competences on Machine Learning currently present in Arcetri to different research field, related to optical turbulence forecast for ground-based telescopes, stellar parameters characterization and search&match of spectroscopic measurements. Currently in INAF there is a increasing demand of competences on Machine Learning, which is not matched by an adequate offer. This activity has the final goal of disseminating knowledge on Machine Learning in multiple research groups, in order to pave the way to a competence center on such topic based in Arcetri.
Popolazioni e ammassi stellari galattici ed extragalattici
Bioastronomia, Astrobiologia e Astrofisica di laboratorio
Tecnologie per Astronomia Ottica ed Infrarossa
Tecnologie Informatiche e software
Tecnologie per osservazioni da Terra
Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 1
Struttura
Nfte
N0
TI 2022
TI 2023
TI 2024
TD 2022
TD 2023
TD 2024
Nex
Extra
O.A. ARCETRI
1
0
0.20
0.20
0.20
0
0
0
0
0.00
Totali
1
0
0.20
0.20
0.20
0.00
0.00
0.00
0
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
10.1051/0004-6361/202141702
Titolo: Survey of Surveys
Autori:M. Tsantaki and E. Pancino and P. Marrese and S. Marinoni and M. Rainer and N. Sanna and A. Turchi ....
Publisher:EDP Sciences
Rivista: Astronomy \&$\mathsemicolon$ Astrophysics
Anno pubblicazione:2022
2
10.1093/mnras/staa2210
Titolo: High-accuracy short-term precipitable water-vapour operational forecast at the Very Large Telescope and perspectives for sky background forecast
Autori:A Turchi and E Masciadri and P Pathak and M Kasper
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2020
3
10.1093/mnras/stz3342
Titolo: Filtering techniques to enhance optical turbulence forecast performances at short time-scales
Autori:E Masciadri and G Martelloni and A Turchi
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2019
4
10.1093/mnras/sty2668
Titolo: Forecasting water vapour above the sites of ESO's Very Large Telescope (VLT) and the Large Binocular Telescope (LBT)
Autori:Alessio Turchi and Elena Masciadri and Florian Kerber and Gianluca Martelloni
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2018
5
10.1117/12.2312480
Titolo: Evaluation of filtering techniques to increase the reliability of weather forecasts for ground-based telescopes
Autori:Alessio Turchi and Elena Masciadri and Gianluca Martelloni
Publisher:SPIE
Anno pubblicazione:2018
6
10.1093/mnras/sty209
Titolo: Towards an automatic wind speed and direction profiler for Wide Field adaptive optics systems
Autori:G Sivo and A Turchi and E Masciadri and A Guesalaga and B Neichel
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2018
7
10.1093/mnras/stw2863
Titolo: Forecasting surface-layer atmospheric parameters at the Large Binocular Telescope site
Autori:Alessio Turchi and Elena Masciadri and Luca Fini
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2017
8
10.1093/mnras/stw3111
Titolo: Optical turbulence forecast: ready for an operational application
Autori:E. Masciadri and F. Lascaux and A. Turchi and L. Fini
Publisher:Oxford University Press (OUP)
Rivista: Monthly Notices of the Royal Astronomical Society
Anno pubblicazione:2016
9
10.1117/12.2562097
Titolo: Operational forecast of the PSF figures of merit
Autori:Alessio Turchi and Guido Agapito and Elena Masciadri and Olivier Beltramo-Martin and Enrico Pinna a ....
Publisher:SPIE
Anno pubblicazione:2020
10
10.1117/12.2231273
Titolo: Forecasts of the atmospherical parameters close to the ground at the LBT site in the context of the ALTA project
Autori:Alessio Turchi and Elena Masciadri and Luca Fini
Publisher:SPIE
Anno pubblicazione:2016
<p>All the activities of the projects listed in “Organizzazione delle attività” (ALTA, FATE, SoS, Stetson and Marte-9) have INAF PIs and are based in Arcetri observatory.</p>
<p>INAF - OAA (Firenze, Italy)<br></p>
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
alessio.turchi
alessio.turchi@inaf.it
O.A. ARCETRI
Y
TECNOLOGO
PI of the project and ML development
X X X
X X X
X
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
21. Fondi a Sostegno Iniziativa
Funding is expected from the approval of the INAF Mini Grant proposal related to this project. Currently there is no funding
