Scheda Real-Time Image Analysis
FINAL
Informazioni generali
Enhancing Real-Time Image Analysis for Upcoming Radio Observatories
Real-Time Image Analysis
Progetto
RSN5
Attività: Nuova; Data inizio: 2024; Data fine: 2027
fgugliel@eso.org fgugliel@eso.org
Per analizzare i dati di strumenti di nuova generazione come l'upgrade di ALMA e SKA, impieghiamo metodi di machine learning. Vogliamo potenziare DeepFocus, un Meta-Learner, per l'analisi delle immagini in tempo reale. Espanderemo le capacità di ALMASim, il simulatore di DeepFocus, per affrontare le specifiche problematiche dei nuovi radio telescopi e fornire simulazioni realistiche del cielo per l'addestramento di nuovi algoritmi ML. Le migliorie di DeepFocus ci consentiranno di cercare sorgenti serendipiche su campioni noti, come pulsar, utilizzando dati di archivio. Il software è basato su un framework open-source e può essere adattato per futuri osservatori come AtLAST. La nostra collaborazione unisce competenze da ALMA, SKA e AtLAST, comprendendo anche esperienza in data mining e ML.
To address challenges posed by ALMA upgrades and SKA, we employ artificial intelligence. Our focus is on elevating DeepFocus, a Meta-Learner, for real-time image analysis. We propose to expand the capabilities of ALMASim, DeepFocus' simulator, to tackle issues specific to new-generation facilities and provide real-data-based sky simulations suitable for training machine learning algorithms. DeepFocus’ improvements will allow us to mine archival data to search for serendipitous sources on known samples, as pulsars. The software is built on an open-source framework and capable to be adapted to future facilities as AtLAST. Our collaboration brings together expertise from observatories such as ALMA and SKA, as well as AtLAST, encompassing proficiency in data mining and machine learning.
Fisica degli oggetti compatti galattici ed extragalattici
Tecnologie per Astronomia Radio
Tecnologie Informatiche e software
Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 3
| Struttura | Nfte | N0 | TI 2024 | TI 2025 | TI 2026 | TD 2024 | TD 2025 | TD 2026 | Nex | Extra |
|---|---|---|---|---|---|---|---|---|---|---|
| IRA BOLOGNA | 0 | 0 | 0 | 0 | 0 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
| IASF MILANO | 1 | 0 | 0.00 | 0.30 | 0.30 | 0 | 0 | 0 | 0 | 0.00 |
| Totali | 1 | 0 | 0.00 | 0.30 | 0.30 | 0.00 | 0.00 | 0.00 | 0 | 0.00 |
16. Personale Associato INAF coinvolto
Numero di partecipanti Associati INAF: 6
| # | Struttura | TI 2024 | TI 2025 | TI 2026 | TD 2024 | TD 2025 | TD 2026 | Extra |
|---|---|---|---|---|---|---|---|---|
| 1 | ESO - INAF OACN | 0.00 | 0.20 | 0.20 | 0 | 0 | 0 | 0.00 |
| 2 | UniNa - INAF OACN | 0.00 | 0.20 | 0.20 | 0 | 0 | 0 | 0.00 |
| 3 | University of Oslo | 0.00 | 0.10 | 0.10 | 0 | 0 | 0 | 0.00 |
| 4 | UniPd - INAF IRA | 0.00 | 0.40 | 0.40 | 0 | 0 | 0 | 0.00 |
| 5 | UniBo - O.A. Arcetri | 0.00 | 0.20 | 0.20 | 0 | 0 | 0 | 0.00 |
| 6 | ESO Garching - INAF IRA | 0 | 0 | 0 | 0.70 | 0.70 | 0.70 | 0.00 |
| Totali | 0.00 | 1.10 | 1.10 | 0.70 | 0.70 | 0.70 | 0.00 |
Fondi a sostegno
21. Totale fondi a disposizione (dato aggregato, k€)
| Certi 2024 | Certi 2025 | Certi 2026 | Presunti 2024 | Presunti 2025 | Presunti 2026 |
|---|---|---|---|---|---|
| 0 | 0 | 0 | 0 | 0 | 0 |
Produzione scientifica e tecnologica
22. Produzione scientifica e tecnologica - Highlights
Informazioni Pubbliche
<div class="flex flex-grow flex-col max-w-full"><div data-message-author-role="assistant" data-message-id="5ea59849-f786-4559-8caa-3b2c38304416" dir="auto" class="min-h-[20px] text-message flex flex-col items-start gap-3 whitespace-pre-wrap break-words [.text-message+&]:mt-5 overflow-x-auto"><div class="markdown prose w-full break-words dark:prose-invert light"><p>Astroinformatics; <a href="https://uat.astrothesaurus.org/uat/804?view=hierarchy&path=804">Interdisciplinary astronomy</a>; <a id="li-1145-1684-808-1346" href="https://uat.astrothesaurus.org/uat/1346?view=hierarchy&path=1145-1684-808">Radio interferometry</a>; <a id="li-1145-1043-293-1858-2306" href="https://uat.astrothesaurus.org/uat/2306?view=hierarchy&path=1145-1043-293-1858">Astronomy image processing</a>; <a id="li-1145-1043-293-1855-1857" href="https://uat.astrothesaurus.org/uat/1857?view=hierarchy&path=1145-1043-293-1855">Astronomical simulations</a>; <a id="li-1145-1043-1338-1337" href="https://uat.astrothesaurus.org/uat/1337?view=hierarchy&path=1145-1043-1338"><br></a></p><p>Le <b>linee di ricerca</b> delineate nella richiesta di finanziamento includono:</p><ol><li><p>Miglioramento dell'<b>analisi delle immagini</b> in tempo reale per l'interferometria radio di SKA e ALMA utilizzando l'intelligenza artificiale, in particolare l'algoritmo DeepFocus.</p></li><li><p>Espansione delle capacità di ALMASim, il <b>simulatore</b> di DeepFocus, per affrontare le sfide specifiche delle strutture di nuova generazione e fornire simulazioni del cielo basate su dati reali adatti per l'addestramento di algoritmi di apprendimento automatico.</p></li><li><p>Sviluppo e adattamento di algoritmi di apprendimento automatico per l'<b>analisi dei dati archiviati </b>al fine di cercare fonti fortuite su campioni noti, come le pulsar (about 3200 targets).</p></li><li><p>Creazione di un <b>framework di simulazione affidabile e di facile utilizzo</b> per le strutture di ALMA e SKA, con possibile estensione a AtLAST, al fine di fornire dati simulati necessari per l'addestramento e lo sviluppo di modelli di apprendimento automatico e altre tecniche.</p></li><li><p>Studi ulteriori sulle tecniche di <b>quantificazione dell'incertezza in DeepFocus</b> per valutare la qualità delle rivelazioni e la quantificazione dell'incertezza nelle caratteristiche delle linee e dei continui.</p></li><li><p>Sviluppo di capacità di DeepFocus per lavorare dallo spazio immagine allo <b>spazio di visibilità</b>.</p></li><li><p>Ricerca sui meccanismi di emissione delle pulsar nella submillimetria e la <b>transizione tra emissione coerente e incoerente nel loro spettro.</b></p></li><li><p>Utilizzo dei <b>dati archiviati di ALMA e Meerkat</b> come set di test finale per confrontare i risultati di DeepFocus con la letteratura e valutarne l'efficacia.</p></li></ol><p>Queste linee di ricerca puntano a migliorare l'<b>efficienza dell'analisi delle immagini</b> e a massimizzare le opportunità di <b>data mining</b> nei dati archiviati di ALMA e SKA, consentendo nel contempo lo sviluppo e la validazione di nuovi algoritmi di apprendimento automatico per l'astronomia radio.</p><p></p></div></div></div><p></p>
<p>Per ottimizzare gli investimenti nelle metodologie dell'IA applicate alla nuova generazione di ALMA e SKA:<br></p><ul><li>Consolidare ulteriormente il ruolo di leadership nell'IA e nell'analisi delle immagini nelle radiofrequenze mm e submm, anche partecipando a data challenges;</li><li>Supportare la ricerca mediante l'impiego di avanzate tecniche di apprendimento automatico;</li><li>Massimizzare l'utilizzo scientifico di ALMA e SKA integrando nuovi modelli e rendendoli disponibili a livello internazionale;</li><li>Essere pienamente preparati per sfruttare le capacità di imaging di ALMA di nuova generazione e SKAO, con la possibilità di estendere le applicazioni ad AtLAST;</li><li>Sviluppare competenze scientifiche e potenziare le capacità tecniche;</li><li>Infine, promuovere la formazione di una comunità in grado di trarre vantaggio dai progressi offerti dalla nuova era delle osservazioni di ALMA e SKAO fin dalle prime fasi, incluse quelle di commissione, verifica scientifica e inizio della fase operativa. <br></li></ul><p></p>
<p>ALMA; AD HOC; SKAO; AtLAST<br></p>
15. Team members, Informazioni generali
15. Personale INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2024/2025/2026) | FTE Presunte (2024/2025/2026) | Extra | ||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | ivano.baronchelli | ivano.baronchelli@inaf.it | IRA BOLOGNA | N | RICERCATORE | Participant | X X X | X X X | X |
|
| 2 | matteo.bonato | bonato@ira.inaf.it | IRA BOLOGNA | N | RICERCATORE | Participant | X X X | X X X | X |
|
| 3 | roberto.mignani | roberto.mignani@inaf.it | IASF MILANO | Y | PRIMO RICERCATORE | PI | X X X | X X X | X |
|
16. Personale Associato INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2024/2025/2026) | FTE Presunte (2024/2025/2026) | Extra | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | paola.andreani | pandrean@eso.org | ESO - INAF OACN | Y | Staff Researcher | AtLAST project coordinator | [0, 0.2, 0.2] | [0.0, 0.0, 0.0] | 0.0 |
| 2 | massimo.brescia | massimo.brescia@inaf.it | UniNa - INAF OACN | Y | Professore associato | Responsible of the AD HOC infrastructure | [0, 0.2, 0.2] | [0.0, 0.0, 0.0] | 0.0 |
| 3 | claudia.cicone | claudia.cicone@astro.uio.no | University of Oslo | Y | Professor in Cosmology | PI of AtLAST | [0, 0.1, 0.1] | [0.0, 0.0, 0.0] | 0.0 |
| 4 | erlis.ruli | erlis.ruli@unipd.it | UniPd - INAF IRA | Y | Professore associato | Statistical expertise and probablilistic approaches for uncertainty quantification | [0, 0.4, 0.4] | [0.0, 0.0, 0.0] | 0.0 |
| 5 | leonardo.testi | leonardo.testi@inaf.it | UniBo - O.A. Arcetri | Y | Professore ordinario | ALMA and Machine learning expert | [0, 0.2, 0.2] | [0.0, 0.0, 0.0] | 0.0 |
| 6 | fabrizia.guglielmetti | fgugliel@eso.org | ESO Garching - INAF IRA | N | ESO Staff, ARC Scientist | PI of ESO internal ALMA study BRAIN on imagining | [0.7, 0.7, 0.7] | [0.0, 0.0, 0.0] | 0.0 |
21. Fondi a Sostegno Iniziativa
n/a
Tabella fondi:
| # | Provenienza | Certi 2024 (k€) | Certi 2025 (k€) | Certi 2026 (k€) | Presun. 2024 (k€) | Presun. 2025 (k€) | Presun. 2026 (k€) | Totale Certi (k€) | Totale Presunti (k€) |
|---|
Tabella fondi Astrofisica Fondamentale e PNRR:
| # | Provenienza | Fondi 2024 (€) | Fondi 2025 (€) | Fondi 2026 (€) |
|---|