Sintesi del progetto
DarkSieve sviluppa nuove strategie per migliorare la sensibilità nella ricerca di jet “oscuri”, segnali potenziali dell’esistenza di una componente oscura ancora (Dark Sector) non osservata. Il progetto combina tecniche di Machine Learning con un’attenzione particolare alla sostenibilità del calcolo, anticipando le esigenze dei futuri collisori adronici che produrranno dataset di dimensioni senza precedenti. L’obiettivo è ridurre il costo computazionale pur aumentando la capacità di distinguere dark jets da quelli ordinari, contribuendo a rendere più efficiente e inclusivo il modello di calcolo della fisica delle alte energie.
Obiettivi
Il progetto intende ottimizzare algoritmi di Machine Learning per il riconoscimento dei dark jets, ridurre il consumo energetico dei processi di analisi, sperimentare modelli di calcolo distribuito sostenibile e migliorare la scalabilità delle tecniche in vista dei futuri esperimenti condotti mediante collisori di particelle.
Problemi e necessità
La ricerca di segnali del Dark Sector richiede calcoli complessi e dataset enormi. Con l’aumento dei volumi di dati, è fondamentale rendere più efficienti gli algoritmi e ridurre l’impatto energetico del calcolo, mantenendo o migliorando l’accuratezza delle analisi.
Soluzioni sviluppate
Tra le applicazioni emergenti valutate c’è l’estensione della logica GRID a cluster connessi di piccole dimensioni per democratizzare l’accesso al calcolo distribuito. È inoltre in corso lo sviluppo di modelli di Machine Learning avanzati, con particolare attenzione alla sostenibilità energetica, all’ottimizzazione dei modelli e all’adattamento su hardware a bassa potenza.
Benefici e ricadute
DarkSieve può accelerare le scoperte in fisica delle particelle rendendo più sostenibile la gestione dei dati prodotti dai collisori di particelle. Le tecnologie sviluppatepotranno essere trasferite a domini come diagnostica medica, monitoraggio ambientale, analisi finanziaria o cybersecurity, in cui pattern rari devono essere riconosciuti rapidamente e con costi ridotti.
Settori che possono beneficiare
Il progetto interessa la Ricerca Fondamentale, l’Intelligenza Artificiale, l’Industria e l’Heathcare, offrendo tecniche generali per pattern recognition complessi, modelli di Machine Learning efficienti e infrastrutture computazionali più inclusive e a basso impatto energetico.
