Con lo spirito della poesia giapponese per una scienza dei dati innovativa

Il renga è una forma di poesia giapponese che diversi poeti scrivono insieme. Si alternano strofa per strofa. I singoli contributi si uniscono per formare un insieme. Renga è anche il nome di una nuova piattaforma software aperta che funziona secondo lo stesso principio. Ricercatori di scienze naturali, tecniche e sociali collaborano con specialisti di dati per sviluppare nuove soluzioni. La piattaforma è stata sviluppata dagli scienziati dello Swiss Data Science Centre. Questo centro congiunto dell'EPFL e dell'ETH di Zurigo costituisce un ponte tra i ricercatori che producono dati e quelli che sviluppano nuove tecniche di analisi e sistemi di dati.

Condividere i dati, aumentare le conoscenze

L'innovativa piattaforma ospitata nel cloud è stata concepita per analisi di ogni tipo. Ricercatori di diverse discipline possono utilizzarla per archiviare e analizzare dati organizzati, calibrati e, se necessario, anonimizzati. L'aspetto intelligente della storia è che la piattaforma cresce con ogni progetto di ricerca, aggiungendo dati preziosi che vengono poi decisi da altri scienziati. Poiché anche i data scientist possono utilizzare i dati per le loro ricerche, si attiva uno scambio di soluzioni che consente di ottenere nuove scoperte e di avviare ulteriori progetti di ricerca. In questo modo, Renga non solo promuove la collaborazione multidisciplinare, ma anche la trasparenza scientifica e lo sviluppo dei metodi.

La piattaforma è a disposizione degli scienziati da settembre, ma anche le aziende ne stanno beneficiando: in occasione di una giornata dedicata all'industria, è stato mostrato loro come possono utilizzare rapidamente la scienza dei dati per le loro aree di business. In futuro, anche loro potranno caricare i loro dati sulla piattaforma e accedere alle competenze dei data scientist e degli informatici dello Swiss Data Science Center per le analisi.

Combinare e ispirare le competenze

"La piattaforma che abbiamo costruito è unica perché promuove le prestazioni e l'eccellenza della ricerca in modo molto pratico e sostiene l'introduzione della scienza dei dati aperti", afferma Olivier Verschure, direttore esecutivo dell'SDSC. Una sfida particolare è stata quella di rendere la piattaforma di facile utilizzo. Dopotutto, è destinata a essere utilizzata da ricercatori che non hanno una formazione in informatica o scienza dei dati. Andreas Krause, professore di informatica all'ETH di Zurigo e co-direttore del Centro per la scienza dei dati, aggiunge: "Combiniamo i metodi della scienza dei dati, come l'apprendimento automatico o la statistica, con le competenze delle scienze ricche di dati, come le scienze della vita o dell'ambiente".

Progetti selezionati

Come la piattaforma Renga, anche i contributi di finanziamento dello Swiss Data Science Centre mirano a promuovere progetti interdisciplinari nel campo della scienza dei dati. Il finanziamento ha una durata di due anni e ammonta a 300.000-600.000 franchi svizzeri, a seconda del progetto. La prima tornata di inviti a presentare proposte si è recentemente conclusa. Sono pervenute candidature da 74 ricercatori del settore ETH (ETH, EPFL, PSI, WSL, Empa, Eawag) di 10 discipline. L'SDSC ha selezionato otto progetti, quattro dei quali coinvolgono ricercatori dell'ETH di Zurigo. I progetti dell'ETH riguardano principalmente le scienze ambientali e della salute, ma anche il deep learning è una componente chiave.

L'apprendimento profondo è un metodo di apprendimento automatico. Una rete neurale artificiale viene utilizzata per riconoscere modelli tipici in grandi quantità di dati. Le reti neurali possono anche riconoscere e generare modelli e oggetti nelle immagini, come immagini di volti o interni che sembrano ingannevolmente reali.

Riconoscere le immagini - nel cosmo e al microscopio

Thomas Hofmann, professore di analisi dei dati all'ETH di Zurigo, e Alexander Refregier dell'Istituto di particelle e astrofisica stanno utilizzando il metodo nel loro progetto SDSC per la cosmologia. Ad esempio, vogliono confrontare le previsioni dei modelli sulla distribuzione della massa nel cosmo e verificare la validità di un risultato scientifico. In un articolo pubblicato su Scienza Astronomia I risultati mostrano, ad esempio, che è possibile utilizzare le reti neurali per generare immagini del cosmo che raffigurano correttamente le sue strutture e i suoi modelli complessi. I metodi di apprendimento automatico stanno quindi ampliando gli strumenti della cosmologia e aiutano a esplorare l'evoluzione dell'universo.

Il progetto di Ender Konukoglu, professore di elaborazione delle immagini mediche all'ETH di Zurigo, e di Anne Bonnin della cattedra di imaging a raggi X dell'ETH di Zurigo si basa sullo stesso metodo. Tuttavia, non stanno analizzando immagini dell'universo, ma immagini microscopiche nel campo della medicina e della biologia. Sperano che questo porti ad analisi più dettagliate delle immagini e a una migliore comprensione delle relazioni biologiche.

Iniziativa nazionale per la scienza dei dati

Lo Swiss Data Science Centre è un progetto congiunto dell'ETH di Losanna e dell'ETH di Zurigo. ? stato fondato nel gennaio 2017 con l'obiettivo di facilitare e promuovere la collaborazione multidisciplinare nella scienza dei dati.

La scienza dei dati è una delle aree di ricerca strategiche del Settore dei PF per gli anni dal 2017 al 2020. Da settembre 2017, l'EPFL e l'ETH di Zurigo offrono corsi di studio in scienza dei dati, che porteranno a un'ulteriore collaborazione con lo Swiss Data Science Center (SDSC).