Si ricorda che gli Associati INAF (Esterni, quali ad esempio personale universitario) NON devono confermare le proprie FTE. Gli associati hanno facoltà di leggere la scheda INAF nella parte pubblica senza necessità di account.
Scheda ML4ARS
FINAL
Scheda convalidata, con Checksum e0734cb982e74bda82ab8bde9e09c432dbb975f2d79b750b26a21c9b5d188e4b
Scheda figlia delle seguenti Schede madri
Titolo Scheda
Acronimo
Coordinatore
Azione
Optical Turbulence forecast in ground-based Astronomy and free-Space optical Communication (OTASC-0)
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)
15. Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 4
Struttura
Nfte
N0
TI 2024
TI 2025
TI 2026
TD 2024
TD 2025
TD 2026
Nex
Extra
O.A. ARCETRI
3
0
0.50
0.50
0.00
0.10
0.10
0.00
0
0.00
Totali
3
0
0.50
0.50
0.00
0.10
0.10
0.00
0
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
6.0
0.0
0
Produzione scientifica e tecnologica
22. Produzione scientifica e tecnologica - Highlights
#
DOI
Descrizione
Azione
1
10.1117/12.2629501
Titolo: Optical turbulence forecast over short timescales using machine learning techniques
Autori:Alessio Turchi and Elena Masciadri and Luca Fini
Publisher:SPIE
Anno pubblicazione:2022
2
10.1117/12.2629455
Titolo: PSF nowcast using PASSATA simulations: towards a PSF forecast
Autori:Alessio Turchi and Guido Agapito and Elena Masciadri and Olivier A. Beltramo-Martin and Julien Mill ....
Publisher:SPIE
Anno pubblicazione:2022
3
10.1117/12.2629287
Titolo: Towards operational turbulence forecast systems at different time scales
Autori:Elena Masciadri and Alessio Turchi and Luca Fini
Publisher:SPIE
Anno pubblicazione:2022
4
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
5
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
6
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
7
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
8
10.1117/12.2629983
Titolo: Machine learning techniques for piston sensing
Autori:Fabio Rossi and Cedric Plantet and Anne-Laure Lucie Ceffot and Guido Agapito and Enrico Pinna ....
Publisher:SPIE
Anno pubblicazione:2022