Machine Learning per Survey of Surveys
ML4SoS
Progetto
Progetto
R & D
RSN2
RSN5
Attività: Nuova; Data inizio: 2023; Data fine: 2026
alessio.turchi alessio.turchi@inaf.it
ML4SoS è un’attività R&D che si propone di sviluppare e applicare le competenze sul Machine Learning (ML) presenti in Arcetri e finalizzate alla caratterizzazione dei parametri stellari per grandi campioni di stelle osservate dalle maggiori survey fotometriche (SDSS, Pan-STARSS, SkyMapper e in futuro LSST). Gaia e le grandi survey spettroscopiche forniscono tutti i dati necessari per "addestrare" e testare tecniche di ML o deep learning per integrare e migliorare le misure dei parametri stellari. Lo scopo ultimo di questo progetto è quello di creare una base di codice, facilmente utilizzabile, per applicare tecniche di ML ai dati contenuti nelle survey stellari per rispondere alle richieste della comunità degli astronomi e fornire valori accurati per i parametri più difficili da misurare.
ML4SoS is an R&D activity that aims to develop the competences on Machine Learning (ML) present in Arcetri and targeted to the characterization of stellar parameters from major photometric surveys (SDSS, Pan-STARSS, SkyMapper e the future LSST). Gaia and the large spectroscopic surveys will provide all the necessary data to train and test ML or Deep Learning techniques to integrate and enhance the measurements of stellar parameters. The final aim of the project is to create a common, easy to use, codebase in order to apply ML to data from stellar surveys and answer the requests of the astronomic community to have accurate values for the hardest to measure parameters.
Popolazioni e ammassi stellari galattici ed extragalattici
Struttura ed evoluzione stellare, incluse le fasi finali
Tecnologie Informatiche e software
Struttura | Nfte | N0 | TI 2023 | TI 2024 | TI 2025 | TD 2023 | TD 2024 | TD 2025 | Nex | Extra |
---|---|---|---|---|---|---|---|---|---|---|
O.A. ARCETRI | 1 | 0 | 0.20 | 0.20 | 0.20 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
Totali | 1 | 0 | 0.20 | 0.20 | 0.20 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
Certi 2023 | Certi 2024 | Certi 2025 | Presunti 2023 | Presunti 2024 | Presunti 2025 |
---|---|---|---|---|---|
0.0 | 0.0 | 0.0 | 15.0 | 5.0 | 0.0 |
<p>machine learning; numerical models; galactic archaeology; stellar populations; computational astronomy; astronomy data analysis; computational methods; astronomy software; astroinformatics<br></p>
<p>The SoS scheda, of which this project is a spin-off, and the mini grant request tied to this scheda have all INAF PIs and are based in Arcetri observatory.</p>
<p>INAF - OAA (Firenze, Italy)</p>
# | 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 | PI of the project and ML development | X X X | X X X | X | |
2 | elena.pancino | elena.pancino@inaf.it | O.A. ARCETRI | Y | RICERCATORE | Partecipante e PI progetto SoS | X X X | X X X | X | |
3 | nicoletta.sanna | nicoletta.sanna@inaf.it | O.A. ARCETRI | Y | RICERCATORE | Partecipante | X X X | X X X | X | |
4 | maria.tsantaki | maria.tsantaki@inaf.it | O.A. ARCETRI | N | ASSEGNISTA | Partecipante | X X X | X X X | X |
# | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2023/2024/2025) | FTE Presunte (2023/2024/2025) | Extra |
---|
A questa scheda è collegata la richiesta di Mini-Grant "ML for Stellar Parameter Characterization" che mira a garantire le necessarie risorse hardware per lo svolgimento del progetto.
# | 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 | INAF - Mini grant | 0 | 0 | 0 | 15 | 5 | 0 | 0 | 20 |
# | Provenienza | Fondi 2023 (€) | Fondi 2024 (€) | Fondi 2025 (€) |
---|