Sintesi del progetto
GAIAS2 sviluppa un sistema basato su Intelligenza Artificiale generativa per simulare sciami di particelle prodotti dai raggi cosmici quando interagiscono con l’atmosfera. La simulazione tradizionale di questi eventi richiede enorme potenza computazionale. Grazie a GAN è possibile ridurre tempi e consumo energetico della computazione, rendendo accessibili dataset di grandi dimensioni e abilitando simulazioni in tempo reale per esperimenti di fisica astroparticellare, telescopi Cherenkov e rivelatori di neutrini.
Obiettivi
Il progetto mira a Sviluppare un generatore GAN per sciami atmosferici, definire parametri e metriche di validazione e creare modelli scalabili addestrabili in parallelo su grandi dataset, rendendo più efficiente e sostenibile la simulazione di particelle cosmiche ad alta energia.
Problemi e necessità
La simulazione degli sciami secondari è complessa e computazionalmente onerosa. Gli esperimenti moderni necessitano di migliaia di eventi simulati per rendere possibile l’analisi, la calibrazione e la stima del rumore atmosferico. Serve quindi un approccio più rapido, efficiente ed energeticamente sostenibile rispetto ai metodi HPC classici.
Soluzioni sviluppate
Il progetto ha definito le grandezze fisiche fondamentali per il benchmarking, ha impostato la pipeline di sviluppo e avviato l’addestramento dei primi modelli GAN. Le attività inoltre previsto la gestione di dataset da centinaia di Giga Byte e l’addestramento parallelo di modelli con miliardi di parametri, reso possibile da GPU ad alta capacità. Le tecnologie adottate includono AI generativa e architetture neurali su hardware accelerato.
Impatti
Le simulazioni generate potranno essere utilizzate immediatamente in telescopi per neutrini o raggi gamma, nella muografia di strutture geologiche e nel monitoraggio di edifici storici. Inoltre, la disponibilità di simulazioni rapide ed energeticamente sostenibili potrà favorire studi climatici legati al flusso di particelle cariche dallo spazio. GAIAS2 riduce i costi computazionali, amplia l’accessibilità e accelera la ricerca in fisica astroparticellare.
Settori di applicazione
Oltre alla Ricerca Fondamentale, le ricadute si estendono all’Intelligenza Artificiale, alle Scienze Climatiche, alla Geofisica, al Monitoraggio del Patrimonio Culturale, con applicazioni trasversali nella sensoristica e nelle simulazioni fisiche complesse.
