• ADB Brochure Picture2 2156 749x388 © 2016 IIT 5111
  • 2 Gallery Ranks Pavis © 2016 IIT 5467
  • Molecule Simulation 3D © 2016 IIT 1919
  • Molecule Simulation 3D © 2016 IIT 1922

L'uso di algoritmi computazionali basati su macchine con grandi capacità di calcolo e l'emergere di infrastrutture eseguire ExaFLOPS hanno un impatto determinante sulla realizzazione del Piano Strategico di IIT. Due dei maggiori sviluppi nell'ambito delle scienze computazionali sono le simulazioni di sistemi fisici, ripetute molte volte per creare una solida statistica e il data mining di vaste raccolte di dati tra cui le immagini, i video, i suoni e i discorsi e molti altri. Questi dati, inseriti in vaste raccolte, vengono analizzati allo scopo di identificare percorsi inaspettati (es. analisi dei big data). L'analisi viene primariamente svolta grazie ad un approccio basato sull'intelligenza artificiale (AI), la computer vision, il machine learning e il pattern recognition.


Le simulazioni di sistemi fisici complessi impattano su molti campi della scienza inclusa la ericerca di nuovi farmaci, il design di nanoparticelle e, più in generale, la fisica dei solidi.

Il data mining, invece, gioca un ruolo fondamentale in molti ambiti tra cui la robotica, la psicologia, il neuroimaging, le scienze della vita e le neuroscienze in particolare nei settori della biologia computazionale e della genomica.

Le attività computazionali in generale necessitano di infrastrutture informatiche, inclusa la computazione ad alte prestazioni (HPC), lo stoccaggio di grandi quantità di dati e il cloud computing. Inoltre, la rapida crescita delle potenzialità delle unità di elaborazione grafica (GPU) ci permette di gestire efficacemente l'apprendimento robotico e, più nel dettaglio, le architetture di deep learning ad un livello impossibile da raggiungere fino a qualche anno fa.

In questo contesto, uno dei principali obiettivi del Dominio in Computational Sciences è quello di stabilire una dinamica di interazione tra HPC e l'analisi dei big data. L'obiettivo verrà raggiunto sviluppando un nuovo portfolio di codici HPC, nuovi approcci e metodi per l'AI, nuovi strumenti per la simulazione multiscala al machine-learning e a algoritmi per il deep learning. In ultimo, lo scopo a lungo termine è il miglioramento della comprensione di numerosi ambiti scientifici e tecnologici, in modo tale da progettare nuovi sistemi intelligenti in grado di interagire in situazioni reali, risolvere problematiche industriali complesse, intervenire in ambito sanitario e in svariati contesti della società.