La progettazione di nuovi robot e tecnologie intelligenti del futuro non potrà prescindere da una riflessione sulle caratteristiche del nuovo sistema economico che li dovrà produrre e smaltire, ma soprattutto integrare con il lavoro umano, senza generare povertà o disoccupazione. La stessa interazione tra uomo, robot e intelligenza artificiale, negli spazi privati e pubblici, dovrà essere ragionata in termini etici e legali. Scienza, tecnologia e società dovranno co-evolvere in modo nuovo. L’Europa riveste già oggi un ruolo leader in settori come robotica, automazione, meccatronica e digital manufacturing, ma sempre intesi in modo separato.

Per superare questo limite, nell’ambito delle FET Flagships, Robotics Flagship è una proposta di progetto europeo che mira a sviluppare la Robotica e l’Intelligenza Artificiale del futuro, avendo come valore centrale la sostenibilità economica, sociale ed ambientale. Nello specifico mira a capitalizzare le competenze presenti nei più avanzati laboratori di ricerca e industrie europei per definire un programma di sviluppo unico che renda l’Europa un continente leader in questi settori ad alta tecnologia.
Coinvolgendo una comunità scientifica di oltre 800 esperti in Italia e in Europa, con il supporto di scienziati da Stati Uniti, Giappone e altri paesi del mondo, Robotics Flagship punta a diventare il primo programma europeo di robotica in grado di coniugare gli aspetti scientifici e tecnologici con quelli sociali, culturali ed economici, portando innovazione in tutti i settori e progresso.
Le FET (Future and Emerging Technology) Flagships sono iniziative di ricerca visionarie finanziate dalla Commissione Europea, che affrontano le grandi sfide scientifiche e tecnologiche. Sono progetti a lungo termine che riuniscono team di ricerca eccellenti in varie discipline, condividendo un obiettivo unificante e un’ambiziosa roadmap di ricerca su come raggiungerlo. I progetti finanziati attualmente sono Graphene Flagship e Human Brain Project.

Un team internazionale, guidato da Cecilia Laschi (Istituto di BioRobotica della Scuola Superiore Sant’Anna di Pisa) e da Barbara Mazzolai (IIT-Istituto Italiano di Tecnologia), ha proposto Robotics Flagship alla Commissione Europea, la quale dovrà scegliere entro il 2020 i progetti su cui investire un miliardo di euro in dieci anni, per garantire all’Europa una posizione leader in uno specifico settore scientifico e tecnologico, con ricadute sull’economia e sulla società (i sei progetti finalisti riceveranno un finanziamento per un anno di attività scientifiche preparatorie).
Fanno parte del gruppo di coordinamento del progetto ricercatori dei seguenti istituti: Scuola Superiore Sant’Anna di Pisa (Italia), IIT – Istituto Italiano di Tecnologia (Italia), KIT – Karlsruher Institut für Technologie (Germania), EPFL – École polytechnique fédérale de Lausanne (Svizzera), University of Twente (Paesi Bassi), LAAS (Laboratory of Analysis and Architecture of Systems) – CNRS (Francia), University of Bristol (Regno Unito).

Gli obiettivi del progetto ruotano attorno a 3 pilastri principali:
1) individuazione di nuovi materiali, approcci tecnologici e principi biologici necessari per rendere i robot capaci di adattarsi alle persone e all’ambiente in cui operano, con corpi dalle forme variabili, capaci di crescere, imparare, deformarsi e trovare da soli l’energia di cui hanno bisogno;
2) studio di nuovi modelli di sistema socio-economico e legislativo in grado di trarre vantaggio da un utilizzo diffuso della robotica, guidando la ridefinizione del mondo del lavoro e la trasformazione dei modelli sociali;
3) sviluppo di robot a basso impatto ambientale, per contrastare il crescente e-waste mediante la realizzazione di materiali riciclabili, e di soluzioni energetiche da fonti rinnovabili per alimentare i robot stessi.

Il progetto vuole contribuire all’affermazione di un nuovo paradigma nella robotica, che fonda in una singola e coerente visione, intelligenza artificiale, big data, matematica, materiali e biologia, per costruire macchine adattabili, con capacità di apprendimento, collaborative ed efficaci. Robotics Flagship metterà insieme esperti di diversi settori, dall’Ingegneria all’etica, per approcciare il tema della robotica e dell’AI nella società con una visione globale e uniforme.
Durante il suo svolgimento, Robotics Flagship si propone di validare in maniera periodica i propri obiettivi e risultati, mettendosi in ascolto delle esigenze della comunità scientifica, e soprattutto della cittadinanza europea. Il progetto ha ricevuto l’approvazione e il supporto di oltre 370 istituzioni pubbliche, imprese e realtà di ricerca scientifica internazionali, tra cui anche istituti in Giappone, Korea, Cina, Israele e USA, dimostrando di essere un programma di alto valore scientifico, nonché un manifesto per il futuro della Robotica e dell’Intelligenza Artificiale nel mondo.

Testo redatto su fonte Scuola Superiore Sant’Anna di Pisa del 27 novembre 2018
Per approfondimenti su Robotics Flagship: www.roboticsflagship.eu
Image credit: Science Museum/Science & Society Picture Library

© Copyright ADEPRON – Riproduzione riservata

Un gruppo di ricerca internazionale coordinato dal Politecnico di Milano è riuscito per la prima volta a realizzare nano-circuiti magnetici riconfigurabili per onde di spin utilizzando l’innovativa tecnica tam-SPL (thermally assisted magnetic – Scanning Probe Lithography), che ha permesso di controllare le configurazioni di spin in un film di materiale magnetico.
Questo risultato, descritto su Communications Physics nell’articolo Nanoscale spin-wave circuits based on engineered reconfigurable spin-textures, permetterà di sviluppare nuovi sistemi più veloci, flessibili e compatti di elaborazione dell’informazione nei futuri processori.
Il lavoro è stato coordinato dal Dipartimento di Fisica nell’ambito del progetto SWING (Patterning Spin-Wave reconfIgurable Nanodevices for loGics and computing) ed è frutto di una collaborazione con ricercatori del CUNY-ASRC (New York), CNR-IOM (Perugia) e Paul Scherrer Insititute (Villigen, Zurigo).

Image credit: Communication Physics (2018) DOI: 10.1038/s41467-018-05235-z

Le onde di spin sono l’analogo delle onde elettromagnetiche o acustiche nel campo del magnetismo. In un ferromagnete, ad esempio una comune calamita, gli spin, cioè i momenti magnetici dei singoli elettroni che compongono il materiale sono allineati in una direzione. Un materiale ferromagnetico è una sorta di mare di spin. Se in esso gettiamo l’equivalente magnetico di una pietra, si generano delle perturbazioni dell’orientazione degli spin che si propagano come le onde nel mare. Queste perturbazioni sono chiamate onde di spin.
Esse potranno essere utilizzate nei processori del futuro, per manipolare l’informazione in maniera veloce ed energeticamente efficiente, in modo analogo all’ottica integrata, con la differenza che le onde di spin possono avere lunghezze d’onda inferiori a quelle della luce visibile e quindi permettere una più spinta miniaturizzazione.

Fino ad ora però, realizzare circuiti logici in cui controllare le onde di spin con una precisione del nm (un miliardesimo di metro), era molto difficile. I ricercatori del Politecnico di Milano sono però riusciti a risolvere questo problema grazie alla tecnica tam-SPL con cui sono in grado di scrivere, cancellare e riscrivere a piacimento una configurazione di spin in un ferromagnete con la scansione di una “penna ultrasottile” (la punta di un microscopio a forza atomica). Questo ha permesso di realizzare per la prima volta guide d’onda nanometriche in cui le onde di spin posso viaggiare, curvare e interagire tra di loro, compiendo un significativo passo in avanti nello sviluppo di nuove piattaforme per i nostri computer o smartphone del futuro.

Testo redatto su fonte Politecnico di Milano del 10 ottobre 2018
Per approfondimenti: Nanoscale spin-wave circuits based on engineered reconfigurable spin-textures, DOI: 10.1038/s41467-018-05235-z – Communications Physics | 20.09.2018
Image credit: ARCHY13/SHUTTERSTOCK

© Copyright ADEPRON – Riproduzione riservata

I servizi di supercalcolo sono essenziali alla ricerca sulla fusione nucleare per arrivare alla produzione di energia elettrica da questa fonte entro la metà del secolo. Un ruolo cruciale in questo ambito è coperto dalla modellistica computazionale del plasma e dei materiali, come validazione dei risultati sperimentali prodotti dalla macchina ITER e come base per la progettazione della macchina di nuova generazione DEMO. I progressi compiuti in questo settore negli ultimi anni sono stati particolarmente rilevanti e hanno portato EUROfusion (il consorzio europeo per la ricerca sulla fusione nucleare) ad investire per il rinnovo delle infrastrutture di calcolo ed il finanziamento delle relative attività di supporto.

Image credit: C.S. Chang/Princeton Plasma Physics Laboratory

ENEA e CINECA hanno vinto una gara internazionale per realizzare in Italia un supercomputer di ultima generazione per la ricerca europea sulla fusione nucleare, in grado di eseguire 8 milioni di miliardi di operazioni al secondo (8 Pflops) e dotato di processori di ultima generazione. A partire dal 2019 e per cinque anni, i due enti italiani forniranno servizi di calcolo ad alte prestazioni o HPC (High Performance Computing) e storage di dati per EUROfusion, il consorzio europeo per lo sviluppo dell’energia da fusione e gestiranno il supercalcolatore installato presso il centro di calcolo del CINECA per la simulazione numerica della fisica dei plasmi termonucleari e l’analisi strutturale dei materiali avanzati per applicazioni energetiche.

Image credit: CINECA/Flickr

ENEA, referente del progetto e membro di EUROfusion, provvederà alla gestione dei servizi HPC e di supporto applicativo agli utenti del consorzio, mentre CINECA metterà a disposizione il supercalcolatore, una partizione del principale computer di ricerca italiano MARCONI, con una potenza di picco di 16 Pflops. Con una potenza di calcolo quasi raddoppiata rispetto alla precedente versione, il supercomputer offrirà servizi essenziali per la ricerca sulla fusione, oltre che per la modellistica computazionale del plasma e dei materiali, anche per la validazione dei risultati sperimentali di ITER, il grande progetto internazionale che dovrà dimostrare la fattibilità dello sfruttamento dell’energia da fusione, e come base per la progettazione di DEMO, il reattore che dopo il 2050 dovrà immettere energia elettrica da fusione in rete.

Il progetto, finanziato da EUROfusion, sarà di supporto anche a DTT (Divertor Tokamak Test), il polo di eccellenza internazionale per la ricerca sulla fusione nucleare che sorgerà all’interno del Centro ENEA di Frascati per fornire risposte scientifiche, tecniche e tecnologiche cruciali nel settore e ricadute di grande rilievo. Ideato dall’ENEA in collaborazione con Consorzio RFX, CNR, INFN, CREATE e molti tra i più prestigiosi atenei italiani, DTT vedrà coinvolte oltre 1.500 persone.

Testo redatto su fonte CINECA del 14 settembre 2018
Per approfondimenti su MARCONI: www.cineca.it/it/content/marconi
Image credit: G. Kerbel of the Numerical Tokamak Project

© Copyright ADEPRON – Riproduzione riservata

The gyrokinetic toroidal code at Princeton (GTC-P) is a highly scalable and portable particle-in-cell (PIC) code. It solves the 5-D Vlasov–Poisson equation featuring efficient utilization of modern parallel computer architectures at the petascale and beyond. Motivated by the goal of developing a modern code capable of dealing with the physics challenge of increasing problem size with sufficient resolution, new thread-level optimizations have been introduced as well as a key additional domain decomposition. GTC-P’s multiple levels of parallelism, including internode 2-D domain decomposition and particle decomposition, as well as intranode shared memory partition and vectorization, have enabled pushing the scalability of the PIC method to extreme computational scales. In this article, we describe the methods developed to build a highly parallelized PIC code across a broad range of supercomputer designs. This particularly includes implementations on heterogeneous systems using NVIDIA GPU accelerators and Intel Xeon Phi (MIC) coprocessors and performance comparisons with state-of-the-art homogeneous HPC systems such as Blue Gene/Q. New discovery science capabilities in the magnetic fusion energy application domain are enabled, including investigations of ion–temperature–gradient driven turbulence simulations with unprecedented spatial resolution and long temporal duration. Performance studies with realistic fusion experimental parameters are carried out on multiple supercomputing systems spanning a wide range of cache capacities, cache-sharing configurations, memory bandwidth, interconnects, and network topologies. These performance comparisons using a realistic discovery-science-capable domain application code provide valuable insights on optimization techniques across one of the broadest sets of current high-end computing platforms worldwide.

This paper describes an application of wireless network using XBee modules and PC with Matlab for communicating, monitoring, and controlling autonomous robots. The main idea of this paper is the use of XBee modules for the wireless network connecting autonomous robots and connecting to Matlab in PC as the control centre. The new Matlab 2017 version supports updated graphical user interfaces and allows monitoring online the remote robots via cameras installed on them. The microcontroller on robots is used with LPC-H2148 which has two serial ports: one port for an XBee and the other port for a SIM card. The system with smart sensors, microcontrollers, XBee modules, and Matlab in PC provides a low-cost, low-energy consumption, and very strong data process ability to support the microcontrollers. Matlab can be used to store and process data, and then send back the calculated results to the robots. This system also allows the users monitoring and controlling the robots from their smart phones.

Voting is a commonly used ensemble method aiming to optimize classification predictions by combining results from individual base classifiers. However, the selection of appropriate classifiers to participate in voting algorithm is currently an open issue. In this study we developed a novel Dissimilarity-Performance (DP) index which incorporates two important criteria for the selection of base classifiers to participate in voting: their differential response in classification (dissimilarity) when combined in triads and their individual performance. To develop this empirical index we firstly used a range of different datasets to evaluate the relationship between voting results and measures of dissimilarity among classifiers of different types (rules, trees, lazy classifiers, functions and Bayes). Secondly, we computed the combined effect on voting performance of classifiers with different individual performance and/or diverse results in the voting performance. Our DP index was able to rank the classifier combinations according to their voting performance and thus to suggest the optimal combination. The proposed index is recommended for individual machine learning users as a preliminary tool to identify which classifiers to combine in order to achieve more accurate classification predictions avoiding computer intensive and time-consuming search.