Advanced Data Analysis & Parallel computing Team – ADAPT

Obiettivi

L’acronimo “ADAPT” suggerisce flessibilità ed evoluzione, caratteristiche chiave nel campo della Data Analysis in rapida evoluzione. L’obiettivo del gruppo è “adattare” il cutting-edge computing per la risoluzione di problemi complessi, dall’adattamento di algoritmi numerici a piattaforme parallele a quello di modelli di apprendimento automatico in ambiente HPC o allo scaling dell’analisi di immagini su GPU. Il concetto di “adattamento” è in sintonia con gli orientamenti della ricerca dell’UE, dove le applicazioni basate sui dati che affrontano sfide economiche, sociali e ambientali emergenti richiedono l’adattamento e l’integrazione di diverse competenze, quali l’HPC, la Matematica Applicata, l’Informatica e la Statistica.

 Attività di ricerca

L’attività di ADAPT verte sulla progettazione di modelli, algoritmi e strumenti software per scoprire, comprendere e modellare fenomeni scientifici a partire da dati prodotti da esperimenti, test e/o dalle simulazioni dei processi che li generano, aprendo a nuove sfide multidisciplinari nelle ICT e coniugando competenze di Informatica, Matematica Applicata e Statistica.

Le attività combinano simulazione computazionale, modellistica scientifica, analisi, elaborazione e gestione di insiemi di dati complessi, eterogenei e di grande scala con tecniche di calcolo ad alte prestazioni, calcolo parallelo e High Performance Edge Computing. Sono sviluppate tecniche e algoritmi accurati ed efficienti per l’analisi ed elaborazione di dati e simulazioni scientifiche anche su architetture ad alte prestazioni con particolare attenzione al bilanciamento del carico, minimizzazione dei trasferimenti dati e riduzione del time-to-solution.

Le linee applicative includono:

• Machine Learning & Artificial Intelligence

• Image Analysis & Processing

• Modelli multilivello per la valutazione delle performance di algoritmi ad alte prestazioni

Campi applicativi

I domini di applicazione comprendono simulazione scientifica ed ambientale, medicina, biologia, telecomunicazioni, analisi video/immagini, beni culturali ed aerospazio.

Aree Tematiche

Artificial Intelligence & Data Science, High-Performance & Quantum Computing

Keywords

Machine Learning & Artificial Intelligence, Image analysis & processing, Calcolo ad alte prestazioni, High Performance Edge Computing.

Coordinatore del gruppo

Lucia Maddalena

● AOU Policlinico “Luigi Vanvitelli”, Napoli
● CEINGE – Biotecnologie Avanzate
● CNR (IBB, IBPM, ICB, IEOS, IGB, IREA, ISASI, ISTC)
● Esaote S.p.A.
● Fondazione IDIS – Città della Scienza
● GNCS-INdAM
● Hochschule Wismar
● Istituto Nazionale di Genetica Molecolare (INGN)
● Istituto Nazionale Tumori – IRCCS – Fondazione G. Pascale
● National Research University Higher School of Economics (RU)
● Ospedale Policlinico San Martino – Genova
● Sapienza Università di Roma
● Università della Campania Luigi Vanvitelli
● Università di Cagliari
● Università di Cassino e del Lazio Meridionale
● Università di Firenze
● Università di Napoli “Federico II”
● Università di Napoli “L’Orientale”
● Università di Napoli Parthenope
● University of Florida, CAO (USA)
● University of Sheffield (UK)

Progetti

– CNRBiOmics, Centro Nazionale di Ricerca in Bioinformatica per le scienze Omiche, https://www.cnr.it/en/node/16209, PIR01_00017.

– “CNRBiOmics, Centro Nazionale di Ricerca in Bioinformatica per le scienze Omiche – Rafforzamento del capitale umano”, CIR01_00017.

– MATH4CHARM: A mathematical approach to inverse problems arising in cultural heritage preservation and dissemination, https://prin.unica.it/math4charm

– “Studio di tossicologia computazionale per la valutazione della riduzione del rischio e dell’esposizione dei prodotti a tabacco riscaldato rispetto alle sigarette tradizionali”,  finanziato dalla Fondazione ALETHEIA: Il segreto del buon vivere.

 

Back To Top