Un anno fa, la Big Data Association ha accolto con favore le proposte di progetto che richiedevano risorse informatiche per contribuire alla mitigazione dell’impatto della pandemia COVID-19. Ricercatori di tutte le nazionalità affiliati ad istituzioni italiane sia pubbliche che private hanno presentato ambiziosi progetti di ricerca.

Lo studio, “Modello Euleriano-Lagrangiano delle goccioline di tosse irradiate dalla luce ultravioletta-C in relazione alla trasmissione SARS-CoV-2”, pubblicato il 9 marzo, è stato scritto da Valerio D’Alessandro, Matteo Falone e Luca Giammichele, Università Politecnica delle Marche.
Gli autori desiderano ringraziare l’Associazione Big Data che ha premiato questa ricerca nell’ambito del progetto COVID19-Accesso rapido al programma di strutture di supercalcolo HPC, e l’ENEA per aver concesso loro l’accesso a CRESCO6.

Di seguito la sintesi della ricerca su Flow and the Virus special topic lanciata da Physics of Fluids.
È noto che diversi virus, così come SARS-CoV-2, possono essere trasmessi per diffusione aerea di micro-goccioline di saliva.
Questa ricerca mira a fornire un contributo alla modellazione numerica della diffusione delle goccioline di saliva prodotta dalla tosse. Vale la pena notare che i diametri delle goccioline di interesse in questo lavoro sono tali da rappresentare l’emissione tipica durante un colpo di tosse. In particolare, viene approfondito il noto problema della distanza di sicurezza da mantenere per evitare la trasmissione del virus in assenza di vento esterno. Vengono così introdotti nuovi indici in grado di valutare il rischio di contaminazione e viene valutata la possibilità di inattivare le particelle virali mediante una sorgente di radiazione ultravioletta-C (UV-C) esterna.

Link a ulteriori letture al progetto di ricerca:

https://aip.scitation.org/doi/full/10.1063/5.0039224
https://aip.altmetric.com/details/95210968/news
https://academictimes.com/ultraviolet-light-could-slow-the-spread-of-covid-19-at-close-distances/

Oltre 4mila simulazioni numeriche complesse effettuate da istituzioni di ricerca italiane che hanno chiesto di collaborare con ENEA nella lotta contro il Covid per sfruttare la potenza di calcolo del supercomputer CRESCO6, entrato nel 2018 nella TOP500 delle macchine per il supercalcolo più potenti al mondo.
A un anno dalla messa a disposizione gratuita, CRESCO6 ha elaborato simulazioni di dinamica molecolare (Molecular Dynamics – MD) e fluidodinamica computazionale (Computational Fluid Dynamics, CFD), finalizzate sia ad individuare molecole per nuovi farmaci attivi contro il virus che studiarne la propagazione tra le persone in ambienti chiusi.
“La tecnologia HPC – High Performance Computing è stata in grado di accelerare l’innovazione in tantissimi settori dell’economia e della conoscenza e oggi si sta rivelando utilissima nella ricerca di farmaci, vaccini e nell’elaborazione di dati medici”, sottolinea Massimo Celino, ricercatore ENEA della divisione Sviluppo di sistemi per l’informatica e l’ICT.

È ancora possibile sottoporre una richiesta di risorse computazionali sui sistemi HPC CRESCO, inviando una mail a crescoforcovid19@enea.it
Per maggiori informazioni:
Massimo Celino, ENEA – Divisione Sviluppo di sistemi per l’informatica e l’ICT, massimo.celino@enea.it

Ricerche scientifiche basate su dati CRESCO6
A Nonequilibrium Alchemical Technique for Absolute Binding Free Energy Calculations: Application to Ligands of the SARS-CoV-2 Main Protease
https://dx.doi.org/10.1021/acs.jctc.0c00634

Targeting the SARS-CoV-2 spike glycoprotein prefusion conformation: virtual screening and molecular dynamics simulations applied to the identification of potential fusion inhibitors
https://www.sciencedirect.com/science/article/abs/pii/S016817022030383X

Pubblicazione Piano Operativo della Strategia per le competenze digitali

Dopo aver adottato la Strategia Nazionale per le Competenze Digitali, l’Italia ha ora il suo Piano Operativo della Strategia per le competenze digitale.

Nel corso di un evento internazionale organizzato con la Digital Skills and Jobs Coalition della Commissione europea, la rete europea che aggrega le realtà attive nel contrasto al digital divide e a cui partecipa anche la Coalizione italiana sono state fornite alcune anticipazioni.

Si tratta di un documento che punta a colmare il gap digitale del nostro Paese entro il 2025. Elaborato in un’ottica corale, con la regia del Comitato Tecnico Guida di Repubblica Digitale, coordinato dal MID tramite il Dipartimento per la trasformazione digitale, mettendo sullo stesso tavolo, Ministeri, Regioni, Province, Comuni, Università, istituti di ricerca, imprese, professionisti, Rai.

Tra gli obiettivi del Piano Operativo da realizzare entro il 2025 ne segnaliamo alcuni il cui conseguimento mira ad avere un impatto rilevante per la crescita del nostro Paese:

• Raggiungere il 70% di popolazione con competenze digitali almeno di base, con un incremento di oltre 13 milioni di cittadini dal 2019 e azzerare il divario di genere;
• duplicare la popolazione in possesso di competenze digitali avanzate (con il 78% di giovani con formazione superiore dimezzando il divario di genere, il 40% dei lavoratori nel settore privato e il 50% di dipendenti pubblici);
• triplicare il numero dei laureati in ICT e quadruplicare quelli di sesso femminile, duplicare la quota di imprese che utilizza i big data;
• incrementare del 50% la quota di PMI che utilizzano specialisti ICT;
• aumentare di cinque volte la quota di popolazione che utilizza servizi digitali pubblici, portandola al 64% e portare ai livelli dei Paesi europei più avanzati, l’utilizzo di Internet anche nelle fasce meno giovani della popolazione (l’84% nella fascia 65-74 anni).

Il Piano indica le azioni di sistema per l’attuazione delle linee di intervento della Strategia Nazionale e delinea gli obiettivi, misurabili, per ciascuna azione nell’ambito dei quattro assi individuati:

1. Istruzione e Formazione Superiore – per lo sviluppo delle competenze digitali all’interno dei cicli d’istruzione, con il coordinamento del Ministero dell’Istruzione e del Ministero dell’Università e della Ricerca;
2. Forza lavoro – per garantire competenze digitali adeguate sia nel settore privato che nel settore pubblico, incluse le competenze per l’e-leadership, con il coordinamento del Ministero dello Sviluppo Economico e del Ministro per la Pubblica Amministrazione;
3. Competenze specialistiche ICT – per potenziare la capacità del Paese di sviluppare competenze per mercati emergenti e nuove possibilità di occupazione, in gran parte legate alle tecnologie innovative e al possesso delle competenze indispensabili per i lavori del futuro, con il coordinamento del Ministero dell’Università e Ricerca e del Ministero dello Sviluppo Economico;
4. Cittadini – per sviluppare le competenze digitali necessarie a esercitare i diritti di cittadinanza e la partecipazione consapevole alla vita democratica, con il coordinamento del Ministro per l’innovazione tecnologica e la digitalizzazione).

Per approfondimenti:

CONSULTA IL PIANO OPERATIVO

LEGGI LA SINTESI DEL PIANO

VISUALIZZA LA VERSIONE INFOGRAFICA DEL PIANO

Consultare inoltre gli ALLEGATI con le schede di dettaglio delle azioni del Piano:

APPENDICE 1: ISTRUZIONE E FORMAZIONE SUPERIORE

APPENDICE 2: FORZA LAVORO ATTIVA

APPENDICE 3: COMPETENZE SPECIALISTICHE ICT

APPENDICE 4: CITTADINI

Aperta la selezione per 4 posizioni come DevOps & Technical Support Engineer, 1 posizione come Junior Network Engineer e 3 posizioni come Network Operator

In collaborazione tra Università Politecnica delle Marche ed ENEA, il 07 settembre 2020 si è svolto un workshop online sulle tematiche del patrimonio culturale digitale, delle nuvole di punti per la segmentazione dei beni culturali e delle applicazioni con le reti neurali profonde, con il seguente programma:
• Segmentazione Semantica di nuvole di punti: scenari e applicazioni, Emanuele Frontoni, Marina Paolanti (VRAI, Università Politecnica delle Marche);
• Deep Learning e Machine Learning per Segmentazione semantica di nuvole di Punti per i beni Culturali , Roberto Pierdicca (GAP, Università Politecnica delle Marche);
• A Benchmark for Large-Scale Heritage Point Cloud Semantic Segmentation, Francesca Matrone (Politecnico di Torino) ,
• Reti Generative Avversarie per la generazione di nuvole di punti, Massimo Martini (VRAI, Università Politecnica delle Marche)
• La Catena di modellazione mediante l’infrastruttura di calcolo ICT dell’ ENEA per i beni culturali, dal rilievo geometrico alla modellazione FE, Marialuisa Mongelli, Samuele Pierattini, Marco Puccini (ENEA-TERIN-ICT)
L’obiettivo del workshop è stato quello di preparare alla definizione di nuove linee di ricerca congiunte sull’applicazione di algoritmi di Deep learning e Computer Vision alle problematiche di catalogazione e conservazione dei beni culturali.

Nell’ambito del patrimonio culturale digitale (Digital Cultural Heritage, DCH), la segmentazione semantica delle nuvole di punti con tecniche di apprendimento profondo (Deep Learning, DL) può aiutare a riconoscere elementi architettonici storici, ad un livello di dettaglio adeguato, e quindi ad accelerare il processo di modellazione di edifici storici per lo sviluppo di modelli BIM da dati di rilievo, indicati come HBIM (Historical Building Information Modeling). Il gruppo di ricerca VRAI (Vision Robotics and Artificial Intellgence) del Dipartimento di Ingegneria dell’Informazione (DII) con il GAP (Geomatics Applications and Processing) del Dipartimento di Ingegneria Civile Edile e dell’Architettura (DICEA) dell’Università Politecnica delle Marche di Ancona ha proposto un innovativo framework di DL per la segmentazione semantica di nuvole di punti che, a partire da una rete convoluzionale dello stato dell’arte (DGCNN – Dynamic Graph Convolutional Neural Network) ottimizza il processo di segmentazione grazie alla introduzione di features significative come normale e il colore. L’approccio è stato applicato a un nuovo dataset, disponibile pubblicamente: Dataset ArCH (Architectural Cultural Heritage) raccolto grazie alla collaborazione del Politecnico di Torino, della Fondazione Bruno Kessler (FBK) di Trento e dell’Institut National des Sciences Appliquées di Strasbourg, France (http://archdataset.polito.it )