Scheda ML4ARS
FINAL
Informazioni generali
Machine Learning per Alta Risoluzione Spaziale
ML4ARS
Progetto
Progetto
R & D
RSN5
Attività: Nuova; Data inizio: 2023; Data fine: 2026
alessio.turchi alessio.turchi@inaf.it
ML4ARS è un'attività di ricerca e sviluppo incentrata sul machine learning (ML) applicato a problemi di alta risoluzione spaziale, in particolare ottico e infrarosso assistito da sistemi di ottica adattiva (AO). La performance dei sistemi AO è influenzata da molteplici variabili. Tipicamente questi sistemi vengono modellizzati con sistemi di simulazione end-to-end o con tecniche analitiche, ma ciascuno di questi approcci ha delle limitazioni intrinseche dovute alle semplificazioni apportate. Le tecniche di ML, sfruttando tutti i dati prodotti dalla telemetria dello strumento, dalla sensoristica e dalle condizioni atmosferiche hanno la potenzialità di integrare i limiti degli approcci sopra menzionati per ottimizzare le performance delle osservazioni AO-assisted.
ML4ARS is an R&D activity centered on Machine Learning techniques applied to high angular resolution problems. Specifically to the Adaptive Optics (AO) assisted optical and infrared observations. Performances of AO systems are influenced by multiple variables. Typically, these systems are modeled with end-to-end simulations or with analytical techniques, however each of the previous methods have intrinsic limitations due to the applied simplifications. ML techniques, by exploiting all the data produced by the instrument telemetry, by the telescope sensors and by meteorological simulations, have the potentiality to integrate the limits of the previous approaches and optimize the performances of AO-assisted observations.
Tecnologie per Astronomia Ottica ed Infrarossa
Tecnologie Informatiche e software
Tecnologie per osservazioni da Terra
Infrastrutture da Terra (sviluppo/operazioni)
Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 4
| Struttura | Nfte | N0 | TI 2023 | TI 2024 | TI 2025 | TD 2023 | TD 2024 | TD 2025 | Nex | Extra |
|---|---|---|---|---|---|---|---|---|---|---|
| O.A. ARCETRI | 2 | 0 | 0.40 | 0.40 | 0.40 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
| Totali | 2 | 0 | 0.40 | 0.40 | 0.40 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
Fondi a sostegno
21. Totale fondi a disposizione (dato aggregato, k€)
| Certi 2023 | Certi 2024 | Certi 2025 | Presunti 2023 | Presunti 2024 | Presunti 2025 |
|---|---|---|---|---|---|
| 0.0 | 0.0 | 0.0 | 44.0 | 6.0 | 0.0 |
Produzione scientifica e tecnologica
22. Produzione scientifica e tecnologica - Highlights
Informazioni Pubbliche
<p>Astroinformatics; Astronomy data analysis; Computational Methods; Adaptive optics; Astronomical seeing; Observational astronomy<br></p>
<p>INAF is leader of Adaptive Optics development and Optical Turbulence research. INAF also have major ongoin projects based on the above topics, including top-class AO instruments for the nex generation ELT-class telescopes (FLAO, SOUL, ERIS, MAVIS, MORFEO) and OT/atmospheric prediction serviced for LBT and VLT telescopes </p>
<p>INAF-OAA; LBT; VLT; <span style="font-size:11pt;font-family:Arial;color:#000000;background-color:transparent;font-weight:400;font-style:normal;font-variant:normal;text-decoration:none;vertical-align:baseline;white-space:pre;white-space:pre-wrap;">Laboratoire d’Astrophysique de Marseille (France); Herzberg Astronomy and Astrophysics Research Centre (Canada)</span></p>
15. Team members, Informazioni generali
15. Personale INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2023/2024/2025) | FTE Presunte (2023/2024/2025) | Extra | ||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | alessio.turchi | alessio.turchi@inaf.it | O.A. ARCETRI | Y | TECNOLOGO | Machine learning development | X X X | X X X | X |
|
| 2 | guido.agapito | guido.agapito@inaf.it | O.A. ARCETRI | Y | TECNOLOGO | Responsabile sviluppo software AO | X X X | X X X | X |
|
| 3 | fabio.rossi | fabio.rossi@inaf.it | O.A. ARCETRI | N | TECNOLOGO | Machine Learning development | X X X | X X X | X |
|
| 4 | elena.masciadri | elena.masciadri@inaf.it | O.A. ARCETRI | Y | DIRIGENTE DI RICERCA | Optical turbulence expert | X X X | X X X | X |
|
16. Personale Associato INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2023/2024/2025) | FTE Presunte (2023/2024/2025) | Extra |
|---|
21. Fondi a Sostegno Iniziativa
A questa scheda è collegata la richiesta di Data Analysis Grant "Machine Learning for Adaptive Optics" che mira a garantire le necessarie risorse hardware per lo svolgimento del progetto.
Tabella fondi:
| # | Provenienza | Certi 2023 (k€) | Certi 2024 (k€) | Certi 2025 (k€) | Presun. 2023 (k€) | Presun. 2024 (k€) | Presun. 2025 (k€) | Totale Certi (k€) | Totale Presunti (k€) |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Data Analysis Grant Machine Learning for Adaptive Optics | 0 | 0 | 0 | 44 | 6 | 0 | 0 | 50 |
Tabella fondi Astrofisica Fondamentale e PNRR:
| # | Provenienza | Fondi 2023 (€) | Fondi 2024 (€) | Fondi 2025 (€) |
|---|