Sintesi del progetto
AI-LEGS sviluppa nuovi algoritmi di Deep Learning dedicati alla gamma-astronomia nella banda dei Megaelecronvolt (MeV), un intervallo energetico ancora poco esplorato e caratterizzato da sensibilità limitata rispetto ad altre regioni dello spettro. Il progetto risponde a un’esigenza cruciale: incrementare la sensibilità dei futuri osservatori.
Obiettivi
Il progetto si propone di realizzare algoritmi DNN e RNN per la Pulse Shape Discrimination, ovvero la discriminazione tra fotoni di bassa energia e rumore nei moduli calorimetrici di future missioni spaziali, aumentando la capacità di rilevare sorgenti astrofisiche e processi estremi dell’universo. Tra obiettivi vi è quindi la riduzione del fondo strumentale e migliorare il rapporto tra segnale e rumore, con la possibilità di utilizzo delle tecniche sviluppate nella rivelazione in tempo reale a bordo dei satelliti, nei dispositivi innovativi in sviluppo presso CERN e nelle applicazioni mediche basate su scintillatori.
Problemi e necessità
I rivelatori attuali faticano a separare segnali di bassa energia dal rumore di fondo. Le missioni future richiederanno strumenti capaci di ottimizzare la ricostruzione delle immagini da archivi di dati complessi, garantendo al tempo stesso processi di calcolo compatibili con i limiti di bordo dei satelliti.
Soluzioni sviluppate
Il progetto si è concentrato sulla simulazione del setup e delle risposte dei rivelatori associate, generando dataset estesi per addestrare le architetture AI. Sono stati sviluppati due modelli di riferimento (DNN e RNN) con prestazioni superiori agli algoritmi esistenti, arrivando a distinguere efficacemente fotoni fino a 0,5 MeV. L’implementazione su GPU ha mostrato accelerazioni significative, dimostrando la fattibilità dello sfruttamento delle tecniche in tempo reale a bordo dei satelliti.
Impatti
AI-LEGS potenzia la capacità scientifica dei futuri telescopi MeV e contribuisce allo sviluppo di rivelatori avanzati per la prossima generazione di acceleratori di particelle. Le tecniche sviluppate trovano applicazione immediata anche in ambito medico, dove scintillatori simili sono impiegati in indagini diagnostiche come la Tomografia a Emisisione di Positroni (PET).
Settori di applicazione
Il progetto ha impatti diretti nei domini Spazio, Intelligenza Artificiale, Imaging Medico e Fisica delle Alte Energie, con future ricadute nella creazione dei rivelatori di particelle di prossima generazione.
