- Home
- Flussi RSS
- progetti PNRR
- La voce della comunità
- Borse di studio GARR: molte opportunità per 10 nuovi talenti
Borse di studio GARR: molte opportunità per 10 nuovi talenti
| Marta Mieli | La voce della comunità
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
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Dai un voto da 1 a 5, ne terremo conto per scrivere i prossimi articoli.
Voto attuale:
Valutazione attuale: 5 / 5
Borsisti Day 2023
BORSISTI DAY 2023 - 17 OTTOBRE
Ultimi articoli in rubrica
-
di Matteo Massicci
-
di Mario Pireddu, Stefano Moriggi
-
di Elis Bertazzon
-
di Ufficio Stampa ENEA
-
di Ufficio Stampa INAF