Menu

Ricerca tecnologica e interdisciplinare all'INFN di Bari

È con uno sguardo innovativo che si può scoprire qualcosa di nuovo! Innovazione e interdisciplinarità sono parole d’ordine per le attività di ricerca della Commissione Scientifica Nazionale 5 (CSN5).
Nuove idee sono alla base dello sviluppo e del miglioramento di rivelatori, di strumenti scientifici e di tecniche sperimentali, che si usano negli esperimenti e nell’esplorazione dei fenomeni fisici, gestiti nelle altre Commissioni Scientifiche dell’INFN. A Bari l’attività di innovazione – che da sempre abbraccia i rivelatori di particelle e di radiazione e la microelettronica – si è di recente estesa alla computer science e alle tecnologie quantistiche.

Un ruolo rilevante è rappresentato dall’applicazione di tecniche e strumenti della fisica ad altri campi delle scienze, quali, ad esempio, biologia e medicina.

Talvolta la ricerca scientifica di base può avere applicazioni pratiche, industriali o commerciali. Nella CSN5 i ricercatori trovano l’ambiente adatto per gli sviluppi applicativi, che vengono successivamente finalizzati nell’ambito di altre iniziative dell’ente.

La CSN5 ha un occhio di riguardo per i giovani scienziati: ogni anno viene pubblicato un bando dedicato ai neo-dottori di ricerca.

Acceleratori

Ion2neutral

Computer science

ml_infn

Rivelatori

Idea
FTM_next

Elettronica

Enter_bnct

Interdisciplinare

Next_AIM

Tecnologie
Quantistiche

Pics4me

Enter bnct Neutron Capture Therapy: il trattamento dei tumori mediante cattura neutronica

La Neutron Capture Therapy (NCT) è un trattamento sperimentale che, mediante bombardamento neutronico, somministra alle cellule tumorali una dose letale di radiazioni risparmiando i tessuti sani.

Responsabile locale: Iaselli Giuseppe

Ftm_next

Responsabile locale: Verwilligen Piet O. J.

Idea

Responsabile locale: Cicala Grazia

Pics4me

Responsabile locale:  D’Angelo Milena

Ion2neutral

L’esperimento Ion2neutral è un progetto integrato per lo studio e sviluppo di tecniche di ionizzazione in sorgenti di ioni e per neutralizzazione di fasci negativi che si useranno per la produzione di energia con la fusione nucleare.


Presso Consorzio RFX con sede a Padova c’è una sorgente sperimentale costruita per tale scopo e l’INFN-Bari ha proposto, per tale sorgente, il recupero dell’energia dal fascio di ioni prodotto con lo scopo di migliorare l’efficienza di produzione dell’energia

Responsabile locale: Variale Vincenzo

Esperimento Ion2neutral

Next_AIM

L’esperimento next_AIM affronta importanti sfide relative agli aspetti metodologici dell’applicazione dell’Intelligenza Artificiale  in Medicina (AIM):
 
sfida 1) – come gestire set di dati limitati con tecniche AI (no-so-big dataset);
 L’affidabilità e la riproducibilità dei risultati sono obbligatorie per le applicazioni mediche basate sull’IA.
L’addestramento di modelli AI con limitati campioni di dati annotati pone sfide specifiche sulla robustezza e la capacità di generalizzazione dei modelli AI.
Il progetto mira a definire linee guida specifiche per la definizione di metodi di addestramento efficienti e protocolli rigorosi di convalida incrociata per consentire l’uso di tecniche di IA in caso di disponibilità limitata di dati per uno studio specifico, o per scartare la possibilità di utilizzarli.  
 
sfida 2) – come rendere le soluzioni fornite dai modelli AI comprensibili a tutti (tecniche spiegabili per AIM).
La comunità scientifica sta attualmente lavorando sui metodi per rendere trasparenti le “black box” dell’IA allo scopo di spiegare perché un sistema basato sull’IA ha fornito una determinata risposta su ogni dato.
Questo aspetto è estremamente importante nel campo delle applicazioni mediche, e richiede sviluppi tecnici specifici, implementazione e validazione, in collaborazione con esperti clinici. 
 
Entrambe le sfide saranno affrontate sia dal punto di vista teorico che poi testando i metodi su campioni di dati reali (database pubblici e privati).
 

Responsabile locale: Tangaro Sonia

ML_INFN

ML_INFN è l’iniziativa nazionale dell’INFN per coordinare gli sforzi verso una ampia applicazione delle tecnologie di Machine Learning (ML) alle attività di ricerca sulla fisica delle particelle, fisica nucleare e loro applicazioni, in particolare alla medicina.

Responsabile locale: Diacono Domenico