Scheda CN-HPC FINAL


Scheda madre delle seguenti Schede figlie

Titolo Scheda Acronimo Coordinatore Azione
Machine and Deep Learning in Experiments MADELEINE antonio.pagliaro Visualizza Scheda
Development of (Polarimetry-aware) Open Source Spectral Timing software Spectempolar matteo.bachetti Visualizza Scheda
Laboratorio di Astroinformatica e Planetologia Digitale LAPD romolo.politi Visualizza Scheda
ASTRI Mini Array Machine Learning Investigation AMAMI francesco.visconti Visualizza Scheda
Astronomical and Cosmological Quantum Computing ACQC andrea.bulgarelli Visualizza Scheda
Nano-particle Transition Matrix code NPTMcode giovanni.lamura Visualizza Scheda


1. Mostra Obiettivi ed Organizzazione


Informazioni generali

Centro Nazionale HPC, Big Data e Quantum Computing - PNRR M4C2 I1.4 CN_00000013

CN-HPC

Grandi infrastrutture internazionali

Progetto

R & D

RSN5

YES

RSN1

RSN2

RSN3

RSN4

Infrastrutture

Attività: In Itinere; Data inizio: 2022; Data fine: 2026

ugo.becciani ugo.becciani@inaf.it

Il Centro Nazionale HPC, Big Data e Quantum conputing è uno dei cinque centri nazionali istituiti per il PNRR. E' principalmente dedicato a diverse aree  strategiche per lo sviluppo del paes per simulazioni, calcolo e alte prestazioni ed analisi dei dati. Il principale obiettivo per INAF è lo sviluppo di tecnologie di calcolo innovative per l'Astrofisica per la prossima generazione di infrastrutture Exascale. Le attività supportano applicazioni astrofisiche  per  simulazioni numeriche, elaborazione ed l'analisi dati, la visualizzazione scientifica e lo storage di complessi dataset (Big Data) di enorme volume   provenienti dai più importanti progetti di osservazione e osservatori: SKA, LOFAR2.0, Meerkat+, Euclid , Gaia, CTA, ASTRI, SWGO, LSST, ELT and HPC Theory ecc.

The National Research Centre in HPC, Big Data and Quantum Computing, is one of the five National Centres established under the PNRR, dedicated to several areas identified as strategic for the development of the Country as well as simulations, computing and high-performance data analysis. The main INAF objective is the development of innovative computing technologies  for the A&A community for the next generation of HPC and storage Exascale infrastructures. The  activities are supporting high-end astrophysical applications for numerical simulations and the processing, analysis, visualisation and storage of the big and complex datasets coming from major observational projects and observatories: SKA, LOFAR2.0, Meerkat+, Euclid , Gaia, CTA, ASTRI, SWGO, LSST, ELT and HPC Theory.

Tecnologie Informatiche e software

Trasferimento Tecnologico


15. Team Summary

15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 95
Struttura Nfte N0 TI 2024 TI 2025 TI 2026 TD 2024 TD 2025 TD 2026 Nex Extra
O.A. CATANIA 14 0 3.71 3.88 0.00 3.95 3.50 0.00 0 0.00
O.A. TORINO 7 0 1.35 1.35 0.00 1.00 0.75 0.00 0 0.00
IASF PALERMO 6 0 1.04 0.85 0.00 2.55 1.75 0.00 0 0.00
O.A. ROMA 7 0 1.97 1.85 0.00 1.20 0.87 0.00 0 0.00
O.A. PADOVA 2 0 0.21 0.10 0.00 1.00 0.25 0.00 0 0.00
O.A. BRERA 2 0 0.54 0.60 0.00 0 0 0 0 0.00
IAPS ROMA 6 0 1.17 1.25 0.00 0 0 0 0 0.00
OAS BOLOGNA 6 0 1.17 1.30 0.00 1.00 0.60 0.00 0 0.00
O.A. CAGLIARI 6 0 0.84 0.80 0.00 2.10 1.60 0.00 0 0.00
IRA BOLOGNA 8 0 1.00 1.00 0.00 2.90 2.15 0.00 0 0.00
O.A. TRIESTE 10 0 1.90 2.00 0.00 4.00 2.40 0.00 0 0.00
IASF MILANO 2 0 0.20 0.20 0.00 0.75 0.75 0.00 0 0.00
O.A. PALERMO 0 0 0 0 0 0.00 0.00 0.00 0 0.00
O.A. CAPODIMONTE 4 0 0.40 0.40 0.00 1.75 1.75 0.00 0 0.00
Totali 80 0 15.50 15.58 0.00 22.20 16.37 0.00 0 0.00
16. Personale Associato INAF coinvolto
Numero di partecipanti Associati INAF: 10
# Struttura TI 2024 TI 2025 TI 2026 TD 2024 TD 2025 TD 2026 Extra
1 INAF - IRA 0 0 0 0.00 0.00 0.00 0.10
2 O.A. TRIESTE 0.00 0.00 0.00 0 0 0 0.00
3 O.A. Cagliari 0 0 0 1.00 1.00 0.00 0.00
4 Università di Catania 0 0 0 1.00 1.00 0.00 0.00
5 SISSA 0.00 0.00 0.00 0 0 0 0.00
6 Università di Bologna 0 0 0 2.00 2.00 0.00 0.00
7 Università di Messina 0.10 0.10 0.00 0 0 0 0.00
8 INAF - OATO 0 0 0 0.00 0.00 0.00 0.00
9 Università di Catania - Dipartimento di Matematica e Informatica 0 0 0 1.00 1.00 0.00 0.00
Totali 0.10 0.10 0.00 5.00 5.00 0.00 0.10

Fondi a sostegno

21. Totale fondi a disposizione (dato aggregato, k€)
Certi 2024 Certi 2025 Certi 2026 Presunti 2024 Presunti 2025 Presunti 2026
4283.0 3283.0 0.0 0.0 0.0 0.0

Produzione scientifica e tecnologica

22. Produzione scientifica e tecnologica - Highlights
# DOI Descrizione Azione
1 10.1007/s10723-022-09598-y Titolo: Scientific Visualization on the Cloud: the NEANIAS Services towards EOSC Integration Autori:Eva Sciacca and Mel Krokos and Cristobal Bordiu and Carlos Brandt and Fabio Vitello and Filomena Bu .... Publisher:Springer Science and Business Media LLC Rivista: Journal of Grid Computing Anno pubblicazione:2022
2 10.1007/978-3-030-65867-0 Alessandro Bruno, Antonio Pagliaro, and Valentina La Parola Application of Machine and Deep Learning methods to the analysis of IACTs data Intelligent Astrophysics ISBN 978-3-030-65866-3
3 10.1088/1538-3873/aac5d2 Fabio Vitello; Giuseppe Tudisco; Eva Sciacca; Ugo Becciani VisIVOLab/ViaLacteaVisualAnalytics: 1.6 Beta 2
4 https://doi.org/10.1051/0004-6361/202038313 Titolo: Euclid: The importance of galaxy clustering and weak lensing cross-correlations within the photometric survey Autori:I. Tutusaus and M. Martinelli and V. F. Cardone and S. Camera and S. Yahia-Cherif and S. Casas et al Publisher:EDP Sciences Rivista: Astronomy \&amp$\mathsemicolon$ Astrophysics Anno pubblicazione:2020
5 10.3847/1538-4357/abda4a Matteo Bachetti, Maura Pilia, Daniela Huppenkothen, Scott M. Ransom, Stefano Curatti, and Alessandro Ridolfi. Extending the (Z^2)_n and H Statistics to Generic Pulsed Profiles. The Astrophysical Journal, Volume 909, Number 1, 2022
6 10.3847/1538- 4357/abd6e5 D. Turrini, E. Schisano, S. Fonte, S. Molinari, R. Politi, D. Fedele, O. Pani ́c, M. Kama, Q. Changeat e G. Tinetti. «Tracing the Formation History of Giant Planets in Protopla- netary Disks with Carbon, Oxygen, Nitrogen, and Sulfur». In: Astrophysical Journal 909.1, 40 (mar. 2021), p. 40.
7 https://doi.org/10.1051/0004-6361/202245369 Augmenting photometric redshift estimates using spectroscopic nearest neighbours F. Tosone, M. S. Cagliari, L. Guzzo, B. R. Granett, A. Crespi
8 10.1088/1538-3873/acdf1e Titolo: The MPI + CUDA Gaia AVU–GSR Parallel Solver Toward Next-generation Exascale Infrastructures Autori:Cesare, Valentina and Becciani, Ugo and Vecchiato, Alberto and Lattanzi, Mario Gilberto and Pitari, .... Publisher:IOP Publishing Rivista: IOP Publishing
9 10.1007/978-3-031-34167-0_26 Titolo: Deep Learning Processing and Analysis of Mock Astrophysical Observations Autori:Gheller, Claudio and Angelinelli, Matteo and Dolag, Klaus and Sanvitale, Nicoletta and Vazza, Franco Publisher:Springer International Publishing Rivista: Springer International Publishing
10 10.1093/mnras/stab3044 Titolo: Convolutional deep denoising autoencoders for radio astronomical images Autori:Gheller, C and Vazza, F Publisher:Oxford University Press (OUP) Rivista: Oxford University Press (OUP)