Berliner Abendpost - L'IA in aiuto al cacciatore di materia oscura Euclid

L'intelligenza artificiale aiuterà a leggere la grandissima quantità di dati prodotta dal cacciatore di materia oscura Euclid, il telescopio dell'Agenzia Spaziale Europea lanciato nel luglio 2023 per scoprire i segreti dell'universo oscuro. E' quanto prevede il progetto Elsa, finanziato nell'ambito del programma quadro di ricerca Ue e coordinato dall'Università di Bologna, con la partecipazione dell'Istituto Nazionale di Astrofisica, delle britanniche The Open University e University of Bristol, la francese Cea e la portoghese Univeridade do Porto. Operativo dall'inizio del 2024 dopo aver superato la fase di test, Euclid ha davanti a sé un programma di lavoro molto fitto che in sei anni prevede la mappa di più di un terzo del cielo e l'osservazione di miliardi di galassie attraverso dieci miliardi di anni di storia del cosmo. Il progetto Elsa (Euclid Legacy Science Advanced analysis tools) prevede che a leggere i dati di Euclid sia il Centro di calcolo ad alte prestazioni presso l'Open Physics Hub dell'Università di Bologna, grazie al nuovo hardware acquisito dal progetto europeo. "Nel campo dell'Astronomia, siamo entrati nell'era dei big data", osserva Margherita Talia, ricercatrice al dipartimento di Fisica e Astronomia "Augusto Righi" dell'Università di Bologna, associata dell'Istituto Nazionale di Astrofisica e responsabile scientifico del progetto. "La valanga di dati raccolti da Euclid, calcolata sulla scala dei petabyte, ha già iniziato a travolgerci - aggiunge - ed Elsa fornirà strumenti innovativi per trovare le gemme nascoste al suo interno". Stephen Serjeant, co-responsabile del gruppo di lavoro Elsa sulla citizen science, osserva che "tutti i dati di Euclid verranno resi disponibili nello European Open Science Cloud attraverso gli strumenti dell'Osservatorio virtuale, come Esa Sky" e che "le Early release observations di Euclid sono già disponibili". L'obiettivo, prosegue, è "essere inclusivi e invitare volontari ad esaminare con noi i dati di Euclid e aiutarci nell'addestramento degli algoritmi di machine learning per individuare tesori rari".

Q.Vogel--BlnAP