AI & Data Science Lab

Intelligenza Artificiale e Data Science per l’Astronomia

L’astronomia è entrata nell’era dei Big Data grazie all’avvento di infrastrutture di nuova generazione, sia da terra che da spazio, capaci di realizzare survey all-sky multi-banda, in diversi domini, dal gamma al radio. In questo contesto, l’Intelligenza Artificiale (IA) è diventata una tecnologia abilitante fondamentale, consentendo l’analisi e l’interpretazione efficienti di dataset vasti e complessi, sempre più difficili da gestire mediante metodologie tradizionali. Le tecniche di machine learning (ML), deep learning (DL) e i paradigmi più recenti, come la generative AI, forniscono strumenti potenti per accelerare le scoperte scientifiche, individuare pattern nascosti ed estrarre informazioni significative da osservazioni, simulazioni e pipeline data-intensive.

Queste sfide non sono limitate all’ambito astrofisico. Esigenze analoghe emergono infatti anche in contesti industriali, dove le tecniche di IA vengono utilizzate per automazione avanzata, manutenzione predittiva, ottimizzazione dei processi e generazione di nuovi design. Questa convergenza evidenzia il ruolo strategico dell’IA come ponte tra ricerca fondamentale e innovazione tecnologica, favorendo opportunità di collaborazione interdisciplinare e trasferimento tecnologico.

Il Gruppo Tematico INAF USC-C “AI in Astronomy” 

All’interno di INAF, l’importanza dell’IA è cresciuta significativamente in parallelo con il coinvolgimento dell’Istituto in grandi progetti internazionali quali SKA e i suoi precursori, CTA, Euclid, Vera Rubin Observatory, ELT e Gaia. Queste iniziative richiedono avanzate capacità di analisi dati e lo sviluppo di metodologie basate su IA che siano scalabili, robuste e riproducibili. Rafforzare le competenze in IA all’interno della comunità INAF è quindi essenziale per sfruttare appieno il potenziale scientifico di questi progetti e consolidare il ruolo di INAF nelle collaborazioni internazionali.

In risposta al forte e diffuso interesse emerso presso le diverse sedi INAF, è stato istituito all’interno dell’Unità Scientifica Centrale per il Computing (USC-C) il gruppo tematico “AI in Astronomy”. Il gruppo è stato formalmente avviato a seguito della tavola rotonda inaugurale tenutasi il 12 luglio 2024 durante la conferenza ML4ASTRO2, occasione in cui ricercatori e tecnologi hanno discusso obiettivi e prospettive dell’iniziativa.

L’obiettivo principale del gruppo tematico è promuovere la collaborazione, la condivisione delle conoscenze e la diffusione di buone pratiche tra i ricercatori che applicano — o intendono applicare — tecniche di ML e DL in astrofisica. Il gruppo fornisce un ambiente collaborativo per affrontare l’intero workflow dell’IA, dalla preparazione e preprocessamento dei dati fino allo sviluppo, validazione, ottimizzazione e deployment dei modelli. Inoltre, promuove sinergie tra diversi ambiti astrofisici, nei quali approcci metodologici comuni possono costituire elementi unificanti.

Più in generale, il gruppo si propone di:

• incoraggiare lo sviluppo collaborativo di software e dataset;
• esplorare tecnologie e metodologie IA emergenti;
• supportare pubblicazioni scientifiche congiunte;
• organizzare workshop, scuole e conferenze per formazione e scambio di competenze;
• creare una massa critica per proposte competitive su bandi nazionali ed europei;
• contribuire alle discussioni sullo sviluppo di carriera e sul reclutamento di specialisti IA all’interno di INAF.

CONTATTI

Tutti gli interessati, inclusi coloro che non sono esperti del settore, sono più che benvenuti a unirsi al gruppo, sia come partecipanti sia come organizzatori di iniziative ed eventi.
Per aderire al gruppo o per ulteriori informazioni, è possibile contattarci al seguente indirizzo e-mail: usc8-ai_AT_inaf.it 

Sono inoltre disponibili le seguenti mailing list aggiuntive dedicate ai Working Groups (WG):

• Coordinatori del gruppo: usc8-ai-mgt_AT_inaf.it 
• WG Progetti: usc8-ai-projects_AT_inaf.it 
• WG Formazione: usc8-ai-training_AT_inaf.it 
• WG Outreach/Divulgazione: usc8-ai-outreach_AT_inaf.it 

LIRA: Laboratorio Virtuale per IA e Data Science presso OACT

Sulla base di questo quadro istituzionale e delle competenze sviluppate all’interno del gruppo tematico USC-C, presso l’INAF Osservatorio Astrofisico di Catania (OACT) è stato creato un laboratorio virtuale dedicato all’Intelligenza Artificiale e alla Data Science: LIRA (Laboratory for Interdisciplinary Research in Astronomy and AI).

LIRA ha l’obiettivo di coordinare e rafforzare le attività legate all’IA presso OACT, operando come hub sia per la ricerca astrofisica sia per le collaborazioni industriali. Il laboratorio formalizza e consolida attività già in corso, portate avanti da un team di ricercatori e tecnologi impegnati da diversi anni nello sviluppo e nel deployment di applicazioni IA in astrofisica, nell’ambito di grandi progetti internazionali e iniziative nazionali HPC/AI.

Il laboratorio offre un framework integrato che combina:

• competenze scientifiche nell’applicazione dell’IA a problematiche astrofisiche (ad esempio detection e classificazione di sorgenti, identificazione di transienti, anomaly detection, simulazioni e generazione di dati sintetici);
• know-how tecnologico nello sviluppo di soluzioni IA scalabili;
• accesso a risorse computazionali dedicate e ottimizzate per il testing di workload IA e HPC.

Allo stesso tempo, LIRA è concepito come interfaccia verso il mondo industriale, supportando lo sviluppo e l’integrazione di soluzioni IA per applicazioni reali, inclusi ottimizzazione dei processi, manutenzione predittiva e progettazione avanzata. Questo duplice ruolo consente di favorire efficacemente il trasferimento tecnologico e la co-progettazione di soluzioni innovative, in particolare con aziende operanti in settori strategici.

Da un punto di vista strategico, LIRA contribuisce a:

• potenziare la ricerca guidata dall’IA all’interno di INAF, specialmente nei progetti Big Data–intensive;
• supportare attività di formazione e capacity building per ricercatori e personale tecnico;
• favorire l’accesso a infrastrutture computazionali orientate all’IA;
• promuovere collaborazioni con industrie ed enti pubblici di ricerca;
• attrarre progetti nazionali ed europei ad alto impatto tecnologico.

Combinando ricerca scientifica, sviluppo tecnologico e collaborazione industriale, LIRA rappresenta un’infrastruttura chiave per coordinare e potenziare le attività di IA presso OACT, posizionando l’Osservatorio come centro di riferimento per le applicazioni dell’IA all’interno di INAF e nel panorama scientifico italiano.

COLLABORAZIONI INDUSTRIALI

STUDENTI

PROGETTI & ATTIVITA’

Acronimo	Titolo	Logo	Descrizione	PI	Durata
MAASAI	Multi-Agent AI System for Astrodata Insights		Sviluppo di sistemi di assistenti AI multi-agente per l’analisi di dati astrofisici in diversi domini (radio, fisica solare, esopianeti, ecc.), basati su LLM e modelli fondazionali.	Simone Riggi	2026-in corso
SFFORECASTER	Solar flare forecasting with multi-modal data		Sviluppo di tool per il forecasting di flare solari con architetture transformer e modelli fondazionali per diverse modalità dati: immagini, video, serie temporali.	Simone Riggi	2025-in corso
STRADA	Self-supervised Transformers for Radio Astronomy Discovery Algorithms		Sviluppo di foundation models per dati radioastronomici basati su architetture transformer, apprendimento self-supervised e grandi collezioni di dati radio.	Andrea De Marco Simone Riggi (co-PI)	2024-2026
SCIARADA	Self-supervised Contrastive learning for Inspection and Analysis of RAdio DAta in the SKA era		Sviluppo di metodi di contrastive learning self-supervised per la detection, classificazione e anomaly detection di sorgenti radio utilizzando dati dei precursori di SKA.	Simone Riggi	2024-2026
CN HPC	Italian Research Center on HPC, Big Data and Quantum Computing, Spoke 3		Sviluppo e parallelizzazione di strumenti software per la detection e classificazione di sorgenti radio mediante dati dei precursori di SKA.	Progetto Ugo Becciani Attività Simone Riggi	2022-2025
CIRASA	Collaborative and Integrated platform for Radio Astronomical Source Analysis		Sviluppo di servizi software basati su deep learning per la detection e classificazione di sorgenti radio utilizzando dati dei precursori di SKA. Integrazione con l’applicazione desktop ViaLactea Visual Analytics (VLVA).	Simone Riggi	2023-2025
MOSAICO	Metodologie Open Source per l’Automazione Industriale e delle procedure di CalcOlo in astrofisica		Progettazione di algoritmi e strumenti open source per l’estrazione di feature da dati astrofisici.	Progetto Francesco Schillirò Attività Simone Riggi	2020-2022

EVENTI & FORMAZIONE