08/10/2024
Tre risultati di ricerca del progetto Marvel (Multimodal Extreme Scale Data Analytics for Smart Cities Environment), che ha tra i suoi partner il Cnr con l’Istituto di Informatica e Telematica (Cnr-Iit), sono stati inseriti in questi giorni su Innovation Radar, il portale della Unione europea che segnala prodotti di ricerca ad alto potenziale innovativo per il mercato.
Innovation Radar è un’iniziativa della Commissione europea che vuole individuare e segnalare al mercato risultati di ricerca ad alto potenziale innovativo prodotti da progetti finanziati dall’Unione Europea. L’iniziativa mette a disposizione di funzionari pubblici, professionisti, imprenditori e cittadini un portale in cui vengono segnalati i risultati più interessanti scaturiti dai finanziamenti europei per l’innovazione: l’obiettivo finale è incoraggiare lo sviluppo di un ecosistema dinamico di incubatori, imprenditori, agenzie di finanziamento e investitori che possano contribuire a portare più rapidamente sul mercato le innovazioni finanziate dall’Unione europea.
Il progetto Marvel
Una città è un sistema complesso e dinamico che coinvolge diversi processi spaziali, sociali, economici e fisici connessi tra loro, che variano nel tempo e in base alle azioni umane. Raccogliere dati è fondamentale per trasformare questo flusso di informazioni in uno scenario coerente che permetta di prevedere e agire in tempo reale, trasformando la città in quella che viene comunemente definita una smart city.
Per affrontare questa sfida è stato creato il progetto Marvel (2021-2024), finanziato nell’ambito del programma H2020 della Commissione europea, coordinato dall’ente di ricerca greco FORTH e con la partecipazione di 17 partner industriali e scientifici tra cui il Consiglio nazionale delle ricerche.
L'Istituto di informatica e telematica del Cnr di Pisa (Cnr-Iit) ha contribuito all’iniziativa con un team composto da Claudio Cicconetti, Lorenzo Valerio e Theofanis Raptis, tutti parte del gruppo di ricerca Ubiquitous Internet dell’istituto.
I risultati di ricerca inseriti nell’Innovation Radar
“Le attività scientifiche del gruppo di lavoro si sono concentrate su due filoni principali“ ci spiega Theofanis Raptis. “Da una parte è stato supervisionata la progettazione del sistema informativo per la gestione dei flussi di dati dai sensori sul campo (telecamere, microfoni) fino all’utente finale, attraverso l’elaborazione tramite Intelligenza Artificiale sui sensori stessi (edge), nodi intermedi distribuiti nella smart city (fog) e sul cloud. D’altra parte si è sviluppata una metodologia per la compressione di reti neurali che consentisse l’esecuzione di algoritmi di intelligenza artificiale anche su dispositivi con capacità limitata di memoria, cioè sui livelli edge e fog dell’infrastruttura.”
Un aspetto critico quando si affronta la complessità di una città è cercare di elaborare modelli che supportino previsioni accurate su scala trasversale e in tempo reale, basate su grandi volumi di dati spazio-temporali e ubiqui. Proprio per affrontare questa sfida Marvel ha elaborato un framework di ubiquitous computing, Edge-to-Fog-to-Cloud, che fornisce servizi di intelligenza multimodale per il riconoscimento di scene audio-visive e il rilevamento di eventi in un ambiente smart city.
“In Marvel abbiamo avuto la possibilità di contribuire su questo fronte con la progettazione di due componenti che abilitano questa visione: l’AI Model Repository (AIMR) e DynHP“ racconta Lorenzo Valerio. “DynHP: Simultaneous training and compressing of Deep Neural Networks è una metodologia che, dato un modello di AI e un compito associato (come ad esempio il riconoscimento di oggetti e immagini), permette di ottenere una versione di dimensioni ridotte ed efficiente dal punto di vista computazionale, quindi adatta ad essere eseguita sui vari dispositivi a risorse limitate (i cosiddetti dispositivi edge), che costituiscono la struttura su cui si basano i servizi offerti da una Smart City.”
Tutte le informazioni relative alla ricerca alla base di questa tecnologia sono riportate nell’articolo scientifico “Dynamic Hard Pruning of Neural Networks at the Edge of the Internet” pubblicato sulla rivista internazionale “Journal of Network and Computer Applications” di Elsevier.
“Il secondo risultato di ricerca che abbiamo prodotto e che è stato valorizzato dall’Innovation Radar è AIMR: Marvel AI model repository, un archivio di modelli di AI, catalogati per scenario applicativo, dimensioni e capacità predittive, che possono essere richiesti e scaricati all’occorrenza dai vari dispositivi connessi al AIMR in base alle esigenze del momento e alle specifiche del dispositivo che lo deve eseguire.“
I sistemi informativi moderni prevedono la continua movimentazione di dati dalle sorgenti di informazioni, ad esempio telecamere installate lungo un percorso stradale, fino agli elementi che si occupano della elaborazione e analisi, ad esempio un software per conteggiare le auto in transito. Gestire in maniera efficiente questi flussi di dati non è affatto semplice a causa della elevata numerosità e delle possibili caratteristiche molto diverse a seconda dei casi, che vanno dall’aggiornamento della temperatura di un sensore ogni qualche minuto al trasferimento di immagini HD ogni pochi millisecondi.
“All’interno del progetto Marvel abbiamo avuto la possibilità di studiare queste problematiche nell’ambito di applicazioni di analisi in tempo reale di flussi audiovisivi nella smart city e questo ha prodotto il terzo risultato inserito nell’Innovation Radar, Hierarchical Data Distribution System“, ci spiega Claudio Cicconetti. “In questo contesto, il software per la gestione flussi era Apache Kafka, un prodotto open source molto diffuso che però notoriamente richiede una configurazione complessa per funzionare al meglio, spesso procedendo per errori. Al contrario, noi abbiamo definito una metodologia programmatica, partendo dalla modellazione matematica del problema di distribuzione dei dati che tenesse conto delle caratteristiche distintive dei servizi previsti e dell’infrastruttura di calcolo a disposizione, e arrivando ad alcune politiche di configurazione automatica. La ricerca è stata convalidata tramite un software per l’esecuzione riproducibile di esperimenti in ambiente controllato, il cui codice è pubblicamente disponibile con licenza open-source su GitHub“.
Ulteriori informazioni sono disponibili nell’articolo scientifico “Efficient topic partitioning of Apache Kafka for high-reliability real-time data streaming applications”, pubblicato sulla rivista Future Generation Computer Systems.
Per informazioni:
Chiara Spinelli
Responsabile segreteria per la comunicazione del Cnr-Iit
chiara.spinelli@iit.cnr.it