Articoli

AMBITO: Monitoraggio ambientale

Lo scopo principale del progetto è quello di creare una mappa costantemente aggiornata delle radiazioni a terra ottenendo informazioni da un sensore, collegato ai PC dei volontari, che misura le radiazioni gamma. La mappa sarà disponibile per consultazione a chiunque e il progetto è assolutamente no-profit.

I sensori, senza i quali l'applicazione non funziona, vengono auto-costruiti dal gruppo di lavoro del progetto e successivamente inviati a chi ne fa richiesta. Sono purtroppo ancora pochi e in fase di test.

AMBITO: Matematica

Optima@home è un progetto russo su piattaforma BOINC che si occupa di problemi di ottimizzazione su larga scala, specificatamente di conformazioni molecolari complesse, ancora più specificatamente dei "Morse clusters". Si cerca cioè, dati un certo numero di atomi o micro strutture atomiche, di trovare la struttura molecolare avente la minima energia potenziale. I dati raccolti servono per comprendere meglio la natura dei materiali per quanto riguarda ad esempio le loro possibili reazioni chimiche. Dettagli sul problema si possono trovare a questa pagina.

AMBITO: Chimica

SLinCA (Scaling Laws in Cluster Aggregation) è un progetto di ricerca nel campo della scienza dei materiali.

I processi di aggregazione di singoli agenti (monomeri nel caso dei materiali, individui nel caso della società) sono studiati in molte branche della scienza: l'aggregazione dei difetti nella scienza dei materiali, la dinamica di una popolazione in biologia, la crescita delle città o l'evoluzione in sociologia.

L'applicazione SLinCA simula diversi scenari di aggregazione dei monomeri (semplici molecole) considerando diverse configurazioni iniziali (regolare, casuale, etc..), diverse leggi cinetiche (arbitrarie, diffusive, balistiche, etc..) e diverse leggi di correlazione (elastiche, non elastiche, arbitrarie, etc..).
La simulazione di un tipico scenario di aggregazione richiede diversi giorni su un unico moderno processore, a seconda del numero di passi Monte Carlo (MCS). Tuttavia, per ottenere risultati statisticamente affidabili, si devono simulare migliaia di scenari con diverse configurazioni iniziali. La parallelizzazione del calcolo permette di ridurre i tempi di elaborazione ed inoltre permette di lavorare su valori sufficientemente realistici della scala del sistema simulato.