Skip to main content
John Schnobrich - Unsplash
John Schnobrich - Unsplash

Borse di studio GARR: molte opportunità per 10 nuovi talenti

| Marta Mieli | la voce della comunità
Articolo letto 710 volte

Alla scoperta degli interessanti progetti legati alle infrastrutture digitali finanziati con le borse di studio GARR “Orio Carlini”.

Il gruppo dei 10 ragazzi durante le presentazioni dei loro progetti al Borsisty Day che si è tenuto a Roma lo scorso febbraio

Il gruppo dei 10 ragazzi durante le presentazioni dei loro progetti al Borsisty Day che si è tenuto a Roma lo scorso febbraio

Nuovi talenti sono stati selezionati da GARR nella quindicesima edizione del Borsisti Day, edizione che si è svolta lo scorso febbraio a Roma. Ogni anno, infatti, GARR mette a disposizione delle borse di studio, intitolate al prof. Orio Carlini, destinate a 10 giovani che si occupano di tematiche legate alle infrastrutture digitali e al loro uso in ambito multidisciplinare.

Quest’anno molta attenzione all’intelligenza artificiale (AI), applicata in particolare nell’ambito biomedico ma anche come mezzo per contrastare l’infodemia e le fake news, alla digitalizzazione del patrimonio culturale ma anche alla cybersecurity e al cloud. Conosciamo più da vicino i protagonisti di questi interessanti progetti.

Sofia Sapucci (Università degli Studi di Firenze)

Tecnologie digitali come nuove opportunità di valorizzazione di spazi negletti. La chiesa di San Domenico

Sofia Sapucci (Università degli Studi di Firenze)

Quali opportunità per i beni culturali e il nostro patrimonio artistico utilizzando le tecnologie digitali?
Scopo del progetto è quello di riproporre all’utente virtuale la fruibilità e l’accessibilità del bene attraverso l’utilizzo di una realtà virtuale immersiva che permetterà di immergersi nel contesto e quindi nella suggestione di cosa potesse essere questo oggetto ricostruito virtualmente al tempo della sua fondazione medievale.

Margherita Soldaini (Università degli Studi di Firenze)

Contributi digitali per la rinascita e la divulgazione di architetture abbandonate

Margherita Soldaini (Università degli Studi di Firenze)

Il progetto si basa sulla creazione di un archivio digitale che permetterà a studiosi e studenti di reperire informazioni e modelli sul patrimonio culturale attraverso una filosofia basata sull’Open Science, un metodo di fare ricerca con un approccio aperto e collaborativo. In questo contesto, la rete sarà un elemento fondamentale perché sarà l’occasione di raccogliere informazioni, metadati, materiali grafici e testimonianze. I ricercatori dovranno condividere i risultati e le conclusioni dei propri lavori e, di conseguenza, potranno accedere alle ricerche e ai risultati di altri ricercatori.

Selene Tomassini (Università Politecnica delle Marche)

Uno strumento diagnostico flessibile e interamente cloud embedded per una diagnosi computerizzata affidabile, rapida e clinicamente interpretabile

Selene Tomassini (Università Politecnica delle Marche)

È dimostrato quanto una diagnosi precoce di una malattia neurodegenerativa abbia un impatto positivo sia sulla progressione della malattia che sulla qualità della vita dei soggetti che ne sono affetti.
L’obiettivo del progetto è quello di creare uno strumento diagnostico di supporto ai processi decisionali al fine di garantire alte performance da ridotte quantità di dati grazie alla fusione del deep learning e cloud computing. Un sistema che sarà applicabile ad un ventaglio di patologie e sistemi fisiologici diversi, che permetterà la diagnosi computerizzata affidabile e clinicamente interpretabile. Ad oggi, infatti, gli algoritmi di deep learning, entrati ormai come sistemi di supporto diagnostici, offrono grandi potenzialità sulle rilevazioni anche delle più piccole anomalie dal punto di vista anatomico strutturale del paziente ma richiedono una notevole mole di dati per essere addestrati. Attualmente, si limitano a constatare o meno la presenza di una singola malattia neurodegenerativa rispetto ad una condizione non patologica.

Sara Campanella (Università Politecnica delle Marche)

Progettazione e sviluppo di un sistema per l’ottimizzazione della cura di pazienti diabetici tramite embedded artificial intelligence e servizi cloud

Sara Campanella (Università Politecnica delle Marche)

Il progetto mira ad aiutare i pazienti affetti da diabete (in particolare di tipo I), la malattia autoimmune più diffusa. Il progetto avrà come obiettivo quello di creare un embedded AI system che prendendo in input, oltre alle variabili cliniche, anche quelle esterne, personalizzi in tempo reale la terapia, senza nessun input manuale.
Si creeranno così dei profili giornalieri adattabili alle attività svolte dal paziente. Inoltre, attraverso la creazione di un “cruscotto cloud user-friendly” per monitorare lo stato di salute, si potranno verificare i rischi di ipo/iperglicemia e raccogliere in maniera strutturata tutti i parametri che influenzano la gestione della malattia.

Benedetta Salvatori (CNR)

Applicazioni in cloud per medicina di precisione in donne con diabete gestazionale

Benedetta Salvatori (CNR)

Il tema dello studio è il diabete gestazionale, la forma di diabete che viene diagnosticato per la prima volta in gravidanza e che consiste nell’impossibilità del corpo di rispondere all’ormone dell’insulina. Lo scopo del progetto è quello di utilizzare dati di pazienti con diabete gestazionale per andare ad identificare dei fenotipi (sottogruppi del diabete gestazionale) della malattia tramite delle tecniche di clustering e successivamente, dopo opportune analisi statistiche andare a quantificare la relazione di rischio tra ciascun fenotipo ed i diversi esiti clinici indesiderati del GDM. Successivamente, attraverso i servizi della Cloud GARR verrà implementata un’applicazione web per i professionisti sanitari così che possano identificare il fenotipo delle pazienti con GDM per adattare al meglio la terapia.

Matteo D’Onofrio (Università di Pisa)

Una piattaforma per aiutare i lettori a gestire l’infodemia

Matteo D’Onofrio (Università di Pisa)

Oggi si producono una quantità di dati mai prodotti nella storia e non sempre del tutto attendibili (infodemia). Scopo del lavoro è quello di sviluppare degli algoritmi che effettuano una stima di autorevolezza degli autori e una stima di autorevolezza degli articoli. L’obiettivo è infatti quello di sviluppare una piattaforma web nel quale gli utenti possono pubblicare degli articoli liberamente rispettando dei requisiti fondamentali (decentralizzazione del sistema, anonimato, obbligo di citazione, stima dell’autorevolezza degli autori, stima dell’autorevolezza degli articoli, gestione della «bolla di filtraggio» e assenza di incentivi economici). Un sistema decentralizzato, su cui si andrà ad implementare la piattaforma grazie alla rete GARR.

Valeria Repetto (CNR - IIT sede di Pisa)

A quantum enhanced machine learning tool for drug repurposing in rare cancer

Valeria Repetto (CNR - IIT sede di Pisa)

Un progetto finalizzato ad utilizzare tecniche di Quantum Machine Learning per l’identificazione di marker nei tumori rari dove attualmente i dati a disposizione sono pochi ed eterogenei. Infatti è possibile mappare questi dati, processare questa informazione attraverso la computazione quantistica per estrapolare le componenti rilevanti di questi dati ed arrivare ad una complessità classicamente inaccessibile.

Gabriele Masciotti (CNR -ISTI)

Human Centered Intelligence For Emotional State Recognition Through Cross Modal Distillation

Gabriele Masciotti (CNR -ISTI)

Negli ultimi anni, la nostra società ha vissuto una vera e propria rivoluzione tecnologica che continua a portare fondamentali cambiamenti nel nostro modo di vivere, soprattutto grazie alla crescente diffusione dei sistemi semi-autonomi ed autonomi.
Nello Human In The Loop, l’essere umano è parte integrante del sistema e ne influenza decisamente il funzionamento e i risultati prodotti. L’obiettivo del progetto europeo Teaching è quello di abbracciare il concetto di Intelligenza Umanistica, dove le entità cibernetiche e biologiche cooperano in un reciproco potenziamento verso un traguardo condiviso. In questo contesto, il riconoscimento dello stato psicofisico ed emotivo dell’utente costituisce un aspetto cruciale per la prospettiva “human-centered”. La raccolta di feedback umani e la loro incorporazione nei modelli di apprendimento sarà la base della metodologia del progetto.

Martina Palmucci (Università di Perugia)

Estensione del servizio di database SQL di Openstack con crittografia basata su attributi

Martina Palmucci (Università di Perugia)

La quantità dei dati salvati sui dispositivi elettronici è enorme e questa tendenza è in continuo aumento per via dell’inarrestabile processo di digitalizzazione. Solo con l’arrivo del GDPR (Regolamento generale sulla protezione dei dati) si sono cominciate ad imporre misure tecniche per la protezione dei dati.
La proposta è la creazione di un database crittografato che offra una migliore sicurezza dei dati trasformandoli in “testo cifrato” (testo illeggibile). Questo sarà possibile utilizzando la tecnica chiamata Attribute-Based Encryption (ABE, in italiano Cifratura basata su attributi), una tecnica crittografica che consente l’accesso ai dati in base ad attributi o caratteristiche dell’utente. Questo permetterà un controllo granulare dell’accesso ai dati, la condivisione sicura dei dati tra più utenti, la protezione della privacy dei dati tramite la crittografia, politiche di accesso flessibili in base agli attributi, il rispetto delle normative e la protezione capillare di dati e risorse.

Luca Giordano (Università degli Studi di Napoli “L’Orientale”)

TRADISAN “conTRAstare la DIsinformazione in ambito SANitario tramite fake news detection sui social media”

Luca Giordano (Università degli Studi di Napoli “L’Orientale”)

Per cercare di far fronte al problema della rapida proliferazione di fake news sui social media e alla difficoltà a distinguere tra informazioni sanitarie vere e false, nasce il progetto TRADISAN con l’obiettivo di prevenire la disinformazione soprattutto giovanile in ambito medico-sanitario in Italia.
Il progetto si basa su un sistema di classificazione automatica granulare di notizie liberamente accessibile dall’utente finale. Attraverso la creazione di un dataset specifico di dominio e lingua per algoritmi machine learning si arriverà ad un addestramento di sistemi per il riconoscimento automatico delle fake news.

Ti è piaciuto questo articolo? Faccelo sapere!
Dai un voto da 1 a 5, ne terremo conto per scrivere i prossimi articoli.

Voto attuale:

Borsisti Day 2023

BORSISTI DAY 2023 - 17 OTTOBRE

Articoli nella rubrica


Archivio GARR NEWS