Richiesta di acquisto
IAPS INAF


Codice Richiesta: 40989
Reparto/Gruppo: AGILE
Funzione Obiettivo: 1.05.04.19.05 - Agile - Estensione fase operativa e post operativa - ASI/INAF I/028/12/0 (ref. M. Tavani) (fino al 08/12/2025)
Responsabile dei fondi Marco TAVANI
Codice CUP: F81J12000300005
Considerate le sopravvenute esigenze di progetto e al fine della corretta imputazione della copertura finanziaria della presente istanza, se necessario richiedo in qualità di responsabile scientifico, di procedere alle variazioni tra capitoli di spesa iscritti a bilancio rispetto a quanto indicato in fase di predisposizione di "Variazione per Maggiore Entrata"
Numero di pratica:
Richiedente: Giovanni PIANO
Responsabile della corretta esecuzione (collaudatore): Giovanni Piano
Modalità di acquisto: Da definirsi con l’Area Acquisti
Conto: Altri servizi per la ricerca scientifica
Data inserimento:
 19/06/2024 14:36:54
Data visto:
 15/07/2024 13:12:24
Acquisto di:
Presente sul Mercato Elettronico: NO
Convenzione CONSIP: Non ci sono convenzioni CONSIP attive

Priorità: Alta
Importo presunto (€):
(al netto di iva) 		€ 15.600,00
Oggetto: Servizio di ingegnerizzazione di un prototipo di un nuovo filtro di Kalman per la ricostruzione ottimizzata degli eventi nei dati di archivio AGILE
Motivazione: La necessità di sviluppare una versione ingegnerizzata dell'algoritmo Kalman filter, già sviluppato in Matlab e descritto nel seguente articolo scientifico https://iopscience.iop.org/article/10.3847/1538-4357/ac5626/pdf, emerge dall'esigenza di migliorare la ricostruzione degli eventi del Silicon Tracker utilizzando i dati d'archivio della Missione AGILE. Questo sviluppo è cruciale non solo per l'analisi e il riprocessamento dei dati esistenti, ma anche per preparare il terreno a futuri proposal di missioni gamma che utilizzano silicon tracker, al fine di sostenere l’expertise italiana nelle missione di astrofisica delle alte energie del futuro.
Il nuovo algoritmo sarà sviluppato in C++ con wrapper Python per garantire massima efficienza e flessibilità, e sarà integrato in MEGAlib ed avrà un tool di visualizzazione in Python.

Questo servizio mira a migliorare significativamente le capacità di analisi dei dati del Silicon Tracker della Missione AGILE attraverso lo sviluppo e l'implementazione di un algoritmo Kalman filter ingegnerizzato. La combinazione di efficienza C++ e flessibilità Python, unita all'integrazione in MEGAlib e ai tool di visualizzazione avanzati, fornirà strumenti potenti per la ricostruzione degli eventi e la preparazione di futuri proposal di missioni gamma.
Criteri di selezione del fornitore/Dichiarazione di univocità:
Tempi di consegna
gg/solari:
Durata contrattuale
da/a:
SLA standard:

Trattamento dati personali:
Codice Unico di Progetto (CUP) applicabile:
Presente nel Programma biennale: Non applicabile
Note:
Quantità e Caratteristiche Tecniche: 1. Sviluppo dell'Algoritmo Kalman Filter in C++:
- Traduzione e ottimizzazione dell'algoritmo Kalman filter sviluppato in Matlab in codice C++: implementazione di un'architettura modulare e configurabile per facilitare adattamenti futuri e riutilizzo in altre missioni.
- Utilizzo di file di configurazione per descrivere la geometria del detector gamma e la configurazione dello stesso algoritmo Kalman filter.
- Possibilità di lettura di dati in input in diversi formati, tra questi hdf5, fits e csv (compreso il file di output di MEGAlib).
- Output dell’algoritmo in hdf5 e csv.
- Compatibilità della documentazione del codice con readthedocs.io e generazione automatica della documentazione basata sui commenti. Descrizione dettagliata dell’utilizzo del tool a linea di comando, dei file di configurazione e dei parametri dell’algoritmo. Esempi di utilizzo.
- Testing e validazione dell'algoritmo per assicurare la correttezza e l'affidabilità delle ricostruzioni degli eventi.


2. Creazione di Wrapper Python:
- Sviluppo di wrapper Python per l'algoritmo Kalman filter, consentendo l'accesso e l'uso del codice C++ da ambienti Python: assicurare che i wrapper siano efficienti e facili da usare, mantenendo la stessa funzionalità e performance del codice C++ originale.
- Documentazione dettagliata per guidare gli utenti nell'utilizzo dei wrapper Python utilizzando readthedocs.io. Produzione di Jupiter notebooks commentati con esempio di utilizzo.


3. Integrazione in MEGAlib:
- Integrazione dell'algoritmo Kalman filter ingegnerizzato all'interno del framework MEGAlib.
- Collaborazione con il team di sviluppo di MEGAlib per garantire una perfetta compatibilità e interazione con altri moduli del software.
- Testing integrato per assicurare che l'algoritmo funzioni correttamente all'interno del contesto più ampio di MEGAlib.


4. Sviluppo di Tool di Visualizzazione in Python:
- Creazione di tool di visualizzazione in Python per visualizzare e analizzare i risultati della ricostruzione degli eventi.
- Implementazione di interfacce utente intuitive e funzionalità avanzate di plotting per facilitare l'interpretazione dei dati.

---

Obiettivi:
- Una versione ingegnerizzata e ottimizzata dell'algoritmo Kalman filter, implementata in C++ con wrapper Python, per l'analisi e la riprocessazione dei dati del Silicon Tracker della Missione AGILE e configurabile per missioni future. Test sulla configurazione ASTROGAM e sulle configurazioni utilizzate nel paper di riferimento saranno effettuati per verificare la riproducibilità dei risultati.
- Un sistema configurabile e versatile che può essere facilmente adattato e utilizzato in futuri proposal di missioni gamma basate su silicon trackers.
Integrazione dell'algoritmo in MEGAlib, migliorando la capacità di analisi e ricostruzione degli eventi.
- Tool di visualizzazione in Python che facilitano l'interpretazione e l'analisi dei dati, migliorando l'accessibilità e l'usabilità del sistema complessivo.
- Documentazione ed esempi, inclusi Jupiter notebook commentati, su readthedocs.io.
- Validation test report dei risultati finali.
Documentazione Ordine:
Documentazione/Allegati: