Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine Learning for Square Kilometre Array Observatory

Descrizione del progetto

Dissolvere la nebbia: una mappatura cosmica basata sull’intelligenza artificiale

I metodi attuali faticano a distinguere i deboli segnali cosmologici a causa delle forti interferenze provenienti da altri oggetti celesti e dal rumore strumentale. Finanziato dal programma di azioni Marie Skłodowska-Curie, il progetto SERENEt svilupperà un nuovo quadro di apprendimento automatico probabilistico volto a migliorare la nostra comprensione dell’Epoca della Reionizzazione. Il progetto utilizzerà modelli generativi ed equazioni stocastiche al fine di mappare la distribuzione dell’idrogeno neutro. Realizzando simulazioni realistiche e raffrontandole con i dati telescopici esistenti, SERENEt mira a fornire le prime ricostruzioni dell’Universo primordiale che tengano conto dell’incertezza, avvalendosi di strumenti sofisticati che sono stati concepiti per supportare l’obiettivo dell’Osservatorio Square Kilometre di individuare le prime stelle e galassie. In definitiva, SERENEt metterà a disposizione set di dati e metodi ad accesso libero a sostegno di un approccio basato su dati abbondanti per l’inferenza astrofisica.

Obiettivo

Understanding how the first stars and galaxies transformed the Universe during the Epoch of Reionisation (EoR) is one of the primary science goals of the Square Kilometre Array Observatory (SKAO). Its low-frequency instrument, SKA-Low, will produce unprecedented 3D maps of neutral hydrogen. Still, these faint cosmological signals are buried under astrophysical foregrounds and instrumental artefacts several orders of magnitude stronger. Current approaches mainly rely on power spectrum analysis and deterministic deep learning methods, both of which face limitations in separating signal from contamination and in propagating uncertainties to astrophysical inference. This project proposes a new probabilistic machine-learning framework for tomographic reconstruction of the 21-cm signal. First, I will generate realistic simulations of interferometric data, combining cosmological models, foregrounds, and instrument effects. Next, I will benchmark existing deterministic pipelines and extend them with Normalising Flow–based generative models combined with stochastic differential equations to capture the full probability distribution of the signal. Finally, the method will be validated on dedicated LOFAR-EoR observations, ensuring robustness to real data challenges. The expected outcomes include: (i) the first uncertainty-aware 21-cm tomographic reconstructions, (ii) open-access codes, datasets and trained models, and (iii) methodologies ready for application to SKA-Low Science Verification data. By advancing statistical tools at the interface of cosmology and AI, the project directly supports SKAO’s objectives, maximises the scientific return of European infrastructures, and contributes broadly to data-intensive science. This project lays the foundations of a machine-learning–driven paradigm that will enable SKA-Low to open an unprecedented observational window onto the cosmic dawn and the Epoch of Reionisation.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITE PARIS-SACLAY
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 242 260,56
Indirizzo
BATIMENT BREGUET - 3 RUE JOLIOT CURIE
91190 Gif-Sur-Yvette
Francia

Mostra sulla mappa

Regione
Ile-de-France Ile-de-France Essonne
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato