Progetti Chiusi

Valutazione attuale: 3 / 5

Il teorema dimostrato da Bartel Leendert van der Waerden nel 1927 riguarda la presenza di progressioni aritmetiche contenute in insiemi di interi. Dati due interi r e k, può essere espresso in varie forme equivalenti:

• data una successione infinita e crescente di interi tali che la differenza tra termini successivi sia minore di r, la successione contiene una progressione aritmetica di lunghezza k;
• esiste un intero g(k, r), tale che una successione crescente di g(k, r) interi con differenza tra termini successivi non superiore a r contiene una progressione aritmetica di lunghezza k;
• se l’unione di r insiemi contiene tutti gli interi positivi, almeno uno degli insiemi contiene una progressione aritmetica di lunghezza k (congettura di Baudet);
• esiste un intero W(r, k), tale che se l’unione di r insiemi contiene tutti gli interi da 1 a W(r, k), almeno un insieme contiene una progressione aritmetica di lunghezza k

Nel caso dell’ultima formulazione il teorema dice che se suddividiamo gli interi da 1 a W(r, k) in r insiemi (non necessariamente disgiunti), almeno un insieme contiene una progressione aritmetica di lunghezza k. I numeri W(r, k) sono noti come “numeri di van der Waerden”. Sebbene Saharon Shelah abbia mostrato che sono computabili tramite una funzione primitiva ricorsiva, non si conosce una formula generale per calcolarli e i loro valori sono noti in pochissimi casi.

 XANSONS for COD è un progetto di ricerca volto a creare un database ad accesso aperto di modelli simulati di diffrazione di raggi X e polvere di neutroni per la fase nanocristallina dei materiali presentati nel Database aperto di cristallo (COD) .

I calcoli per questo progetto sono stati completati. Il database dei modelli simulati di diffrazione della polvere è disponibile all'indirizzo http://database.xansons4cod.com .

Questo progetto utilizza il software open source originale (licenza GPLv3) XaNSoNS (Scattering di raggi X e neutroni su strutture nanoscale) per simulare i modelli di diffrazione su CPU e GPU.

XANSONS per COD è un progetto BOINC gestito privatamente. È stato supportato dalla Fondazione russa per la ricerca di base nel 2015-2017 (progetto RFBR n. 15-07-07901-a).

Per ulteriori informazioni visitate il thread ufficiale presente nel nostro forum.

Problema scientifico

La tecnica convenzionale utilizzata per recuperare le proprietà strutturali dei campioni cristallini mediante il loro modello di diffrazione della polvere è il metodo di raffinamento di Rietveld . In questo metodo, il modello teorico di diffrazione della polvere viene perfezionato fino a quando non si adatta a quello sperimentale. Il calcolo degli angoli e delle intensità delle cime di Braggpuò essere fatto quasi istantaneamente nell'approssimazione della dimensione infinita del cristallite. Per regolare la dimensione finita dei cristalliti nei campioni o la risoluzione finita del dispositivo di misurazione, questi picchi vengono ampliati artificialmente con la funzione di ampliamento (di solito gaussiana). Questo allargamento artificiale funziona benissimo fino a quando la dimensione del cristallite nel campione è inferiore a poche decine di nanometri. Per i cristalliti così piccoli, è molto difficile ottenere la giusta funzione di ampliamento che funziona bene per tutti i picchi di Bragg. Fortunatamente, per i cristalliti così piccoli, non è un problema calcolare i modelli di diffrazione della polvere usando l' equazione di Debye (con l' approssimazione dell'istogramma della distanza , come quella proposta da Marcin Wojdyr e implementata nel suo Codice Debyer ). Questo progetto ha lo scopo di calcolare i modelli di diffrazione di raggi X e polvere di neutroni per i nanocristalliti con dimensioni variabili da 6 nm a 30 nm per la maggior parte delle voci del database aperto di cristallografia . Vengono considerati i due diversi tipi di materiali: (a) nanoparticelle cristalline sferiche isolate di una determinata dimensione (diametro), (b) materiale cristallino con ordine a lungo raggio rotto su distanze maggiori di un determinato valore. Il database ottenuto può semplificare la diagnostica dei campioni nanocristallini e integrare il metodo di corrispondenza della ricerca di profilo completo nell'analisi delle dimensioni dei cristallini dei campioni nanocristallini.

Oltre a quanto sopra, il calcolo del modello di diffrazione della polvere usando l'equazione di Debye consente di tenere conto dei difetti del reticolo quali posti vacanti nel sito, sostituzioni di atomi e spostamenti. Pertanto, se il CIF (Crystallography Information File) per la struttura fornita fornisce i numeri di occupazione del sito e i parametri di spostamento atomico, l'applicazione li utilizzerà per calcolare il modello di diffrazione.

Questo progetto non accetta attualmente nuovi account.

Per unirsi al team BOINC.Italy consultare la scheda "Link utili" qui sotto cliccando sull'icona relativa al "JOIN" .

Link utili

Join al Team
Applicazioni
Stato del server
Statistiche interne del progetto
Classifica interna utenti
Pagina dei risultati

 

Statistiche BOINC.Stats

Statistica del Team sul progetto
Classifica dei team italiani
Statistiche del Team
Classifica Utenti
Classifica mondiale del Team

Valutazione attuale: 5 / 5

MLC @ Home offre una piattaforma aperta e collaborativa per i ricercatori che studiano la comprensione dell'apprendimento automatico. Ci consente di formare migliaia di reti in parallelo, con input strettamente controllati, iperparametri e strutture di rete. Usiamo questo per ottenere approfondimenti su questi modelli complessi.

< TODO >

Valutazione attuale: 5 / 5

Boinc@Tacc è un progetto basato sul modello del volunteer computing (VC). Il progetto andrà ad aiutare i ricercatori TACC/XSEDE ad eseguire applicazioni da una vasta area di campi scientifici (come l’ingegneria aerospaziale, la biologia computazione e l’ingegneria dei terremoti) su pc portatili, desktop, o macchine virtuali (VM) sul cloud, possedute dai volontari.

I ricercatori, infatti, avranno cicli computer supplementari accessibili attraverso il loro account TACC / XSEDE : con BOINC@TACC, potranno far eseguire lavori di elaborazione ad alta velocità che implicano piccole quantità di trasferimento ed elaborazione dei dati, senza spendere le loro allocazioni attive sui server TACC.

Il progetto, infatti, è aperto (per ora) solo a quei ricercatori che hanno avuto l’approvazione per accedere al TACC (Texas Advanced Computing Center), attraverso un processo di revisione peer-review della allocazione delle risorse: ovvero dovranno presentare piani scientifici completi e coerenti per avere accesso alle risorse dei volontari. Questi ricercatori, come detto, provengono da campi di ricerca molto differenti: dinamica computazionale dei fluidi, chimica computazionale, biologia computazionale, astronomia e anche scienze sociali.

Scopo secondario del progetto è quello di avvicinare il mondo HPC con il framework Boinc, per poter creare fruttuose collaborazioni in campo scientifico ed informatico.

Valutazione attuale: 4 / 5

 

La chimica molecolare è in ritardo in termini di open science. Sebbene la modellizzazione mediante la meccanica quantistica applicata alla chimica sia diventata quasi obbligatoria in tutte le principali pubblicazioni, i dati grezzi computazionali vengono per lo più conservati nei laboratori (o addirittura distrutti). Oltre a questo, i software utilizzati in questo settore tendono a mancare di un controllo di qualità efficace e i dettagli computazionali sono generalmente incompleti negli articoli.

Il primo obiettivo di questo progetto è quello di costituire una grande piattaforma collaborativa aperta che curerà e memorizzerà i risultati della chimica molecolare quantistica. I file di output originali saranno pubblicamente disponibili per essere riutilizzati per affrontare nuovi studi chimici per diverse applicazioni. L'apprendimento automatico e, più in generale, l'intelligenza artificiale applicata ai dati di chimica promettono di rivoluzionare il dominio nel prossimo futuro, ma questi metodi richiedono molti dati, che questo progetto sarà in grado di fornire. Oggigiorno, infatti, è impossibile, per un essere umano, tenere conto dei risultati, anche limitati ai dati più importanti, per milioni di molecole conosciute.

Il secondo obiettivo di questo progetto è cambiare radicalmente l'approccio, sviluppando intelligenza artificiale e metodi di ottimizzazione al fine di esplorare in modo efficiente lo spazio molecolare altamente combinatorio. I modelli generativi  mirano a fornire un “assistente artificiale” che, da un lato ha imparato a prevedere le caratteristiche di una molecola e a stimarne il costo di sintesi, e dall'altro è in grado di navigare efficacemente nello spazio molecolare. I modelli generativi aprirebbero molte prospettive facilitando notevolmente lo screening di nuove molecole con molte potenziali applicazioni (energia, medicina, materiali, ecc.).

Supportando questo progetto, aiuterai i ricercatori chimici di tutto il mondo creando una raccolta unica di risultati. Aiuterai anche le nostre AI ad offrire più obiettivi nuovi per le diverse applicazioni che stiamo affrontando.

Per ulteriori informazioni visitate il thread ufficiale presente nel nostro forum.

I ricercatori stanno calcolando ogni volta UNA singola molecola con la meccanica quantistica. Una molecola è un insieme di atomi legati insieme. Per ora, si limitano a piccole molecole con solo H, C, N, O e F (Idrogeno, Carbonio, Azoto, Ossigeno e Fluoro). Nella meccanica quantistica, usano un'approssimazione dell'equazione di Schrödinger. Pertanto, i calcoli possono essere confrontati solo se corrispondono alle stesse approssimazioni (generalmente indicato come “livello di teoria”).

- Il primo calcolo è l'ottimizzazione delle posizioni atomiche, ovvero una ottimizzazione geometrica per ottenere le posizioni atomiche 3D più stabili. Se le posizioni atomiche iniziali sono lontane da quelle stabili, questo passaggio può richiedere molto tempo.

- Quindi il secondo passo è calcolare la derivata completa dell'energia rispetto alla posizione degli atomi: questo significa vedere quali sono le forze tra ciascun atomo. Questo calcolo fornisce anche le frequenze di assorbimento ad infrarossi.

- Infine, l'ultimo passo è il calcolo delle eccitazioni elettroniche per simulare gli spettri UV-visibili. Fornisce, ad esempio, informazioni preziose per l'applicazione fotovoltaica.

Nel laboratorio BOINC del progetto viene utilizzato un programma proprietario che è più di 10 volte più veloce, mentre nella parte pubblica del progetto è usato NwChem, una soluzione aperta. In NwChem, con l'attuale livello di teoria il tempo medio per il passo di ottimizzazione è di circa 5h e 25h ciascuno (per i passi della frequenza e le eccitazioni elettroniche). Dal momento che i ricercatori voglioni generare molte nuove molecole sconosciute, i calcoli potrebbero richiedere molto più tempo di prima. Si sta quindi cercando un livello inferiore di teoria che possa aiutarci a discriminare i candidati “buoni” e “cattivi”. Nella parte "privata" del progetto, veranno calcolati solo quelli buoni: noi volontari, quindi, siamo necessari come fossimo un “super-filtro”, dal momento che il progetto può generare diverse migliaia di nuove molecole al giorno, probabilmente con molti errori!

I ricercatori hanno espresso l'intenzione, più avanti nel progetto, di darvi l'opportunità ai volontari di vedere il disegno delle molecole che hanno calcolato.

Elaborazione:  multicore

Per unirsi al team BOINC.Italy consultare la scheda "Link utili" qui sotto cliccando sull'icona relativa al "JOIN" .

Link utili

Join al Team
Applicazioni
Stato del server
Statistiche interne del progetto
Classifica interna utenti
Pagina dei risultati

 

Statistiche BOINC.Stats

Statistica del Team sul progetto
Classifica dei team italiani
Statistiche del Team
Classifica Utenti
Classifica mondiale del Team

Valutazione attuale: 5 / 5

DHEP consente di ospitare un'isola che esegue un algoritmo genetico in un ambiente coevolutivo al fine di sintetizzare l'elettronica futura super-affidabile come quelle utilizzate nei veicoli autonomi, nelle centrali elettriche, nelle apparecchiature mediche, nell'aerospaziale. Questi sono di importanza sempre più importante in quanto sempre più vite umane si affidano a un hardware ben funzionante.
L'osservazione delle dinamiche della popolazione ci aiuterà anche a capire l'evoluzione, non solo a sfruttarla per raggiungere progetti "migliori di quelli umani", ma anche a capire come i tassi di migrazione, la diversità genetica e i meccanismi interni della ricombinazione genetica siano intervenuto di concerto per raggiungere la biodiversità e la meraviglia degli organismi viventi odierni.
Il progetto simula un'isola con una popolazione di circuiti che lottano per la sopravvivenza in un mondo online ostile. Durante il tempo di inattività dei PC, gli individui di questa popolazione si evolveranno attraverso l'evoluzione artificiale in un processo di sopravvivenza del più mite nei circuiti con Concurrent Error Detection (CED) e competeranno con quelli ospitati su altri PC migrando verso e da essi. Questi circuiti non saranno vincolati da regole progettuali convenzionali poiché l'evoluzione trova soluzioni efficienti senza preoccuparsi di quanto siano complessi da comprendere, proprio come ha fatto con il nostro corpo e il nostro cervello. Puoi unirti a questo cluster di calcolo in un minuto, scaricando il client boinc ed unendoti al progetto. Controlla come la tua popolazione sta facendo meglio rispetto a quelle degli altri e dai un nome alle migliori creazioni se entrano nella hall of fame “meglio dell’umano.
L'hardware di autodiagnostica è in grado di rilevare le deviazioni dal suo comportamento normale a causa di guasti: l’autodiagnostica è importante specialmente in sistemi mission-critical come strumentazione medica, controlli del trasporto e in quegli ambienti rischiosi come le missioni spaziali o le centrali nucleari.  L'autotest integrato (BIST) è ampiamente utilizzato, ma in genere richiede più del 100% di sovraccarico dell’area oppure dei test off-line. Tuttavia nei sistemi critici di missione i test off-line non sono adatti perché dobbiamo diagnosticare immediatamente (real time) il fallimento. La soluzione on-line standard è un sistema di votazione con due copie del modulo che deve essere diagnosticato, che è in grado di rilevare immediatamente i guasti confrontando le uscite delle copie. Tuttavia, questa soluzione richiede una ridondanza del 100% per il modulo aggiuntivo, più una maggiore logica per l'elettore (che deve stabilire quale modulo è on-line ed è corretto). Negli ultimi 40 anni di ricerca riguardanti il CED, nata dal programma aerospaziale della NASA, la progettazione convenzionale non ha prodotto un miglioramento significativo del sistema di votazione così come non ne ha prodotto per una soluzione CED on-line. Voi potete aiutarci ad arrivare alla prossima generazione di circuiti auto-diagnostici.
Poiché un numero crescente di compiti mission critical sono automatizzati, i circuiti di autocontrollo sono di fondamentale importanza: come abbiamo visto ci sono applicativi medici (monitor cardiaci, pacemaker, ecc), di trasposto (hardware degli aerei, luci del traffico, l’ABS delle auto, ecc), spaziali (satelliti, sonde) e impianti industriali (centrali atomiche) e molti si aggiungeranno nel futuro, come le auto a guida autonoma, operazioni mediche svolte da remoto, ecc. In tutte queste aree sono a rischio vite umane o grandi perdite economiche. Unendoti a questo progetto, daresti un contributo prezioso ad una interessante ricerca e contribuirai a spingere in avanti i limiti della conoscenza umana. Non solo, ma i circuiti prodotti da questo progetto sono davvero migliori di quelli del design convenzionale, quindi porterebbero a controllori più sicuri in applicazioni mission critical attuali ed emergenti salvando, come detto, vite e denaro.

I Metodi evolutivi come gli algoritmi genetici (GA) o le strategie evolutive (ES) tentano di applicare l'evoluzione darwiniana ad altri campi di ricerca:
1. Codificare il problema come un genotipo binario.
2. Creare una popolazione con genotipi casuali.
3. Valutare tutti gli individui in una popolazione.
4. Selezionare il più adatto per la riproduzione.
5. Creare una nuova popolazione applicando il cross-over a quelli selezionati.
6. Appicare la mutazione di fondo a tutti gli individui della populazione.
7. Tornare al punto 3 e ripetere fino a trovare una soluzione ottimale.

Questo semplice algoritmo è stato applicato a una vasta gamma di problemi, dall'adattamento dei parametri nei modelli economici alla progettazione delle ali degli aeromobili. Uno degli esempi più eclatanti del potere di variazione e selezione cieca è il discriminatore di toni di Adrian Thompson: sfruttando la fisica raffinata di un chip riconfigurabile (FPGA), un design evoluto è stato in grado di distinguere due parole pronunciate utilizzando solamente 100 porte logiche: qualcosa di impensabile con un design convenzionale. Maggiori approfondimenti in New Scientist Cover Story. Vi sono altri esempi in cui i metodi evolutivi applicati all'hardware hanno prodotto circuiti paragonabili a quelli progettati da esperti e anche circuiti non convenzionali in cui le risorse sono utilizzate in modo estremamente efficiente.
L'hardware autodiagnostico che si evolve è stato inizialmente tentato dall'autore per alcuni circuiti giocattolo: un moltiplicatore a due bit e un sommatore un bit. Dopo centinaia di migliaia di generazioni, i circuiti si sono evoluti eseguendo una diagnosi completa utilizzando circa la metà del carico che la soluzione convenzionale avrebbe richiesto. Ad esempio, quando si utilizza la tecnologia a gate logico a due ingressi, è possibile implementare un moltiplicatore a due bit utilizzando 7 porte. Aggiungendo una copia ulteriore e altre 7 porte per confrontare 4 uscite, abbiamo un overhead di 14 gate per la soluzione CED del sistema di voto convenzionale
Dopo quattro milioni di generazioni (un tempo di elaborazione di un mese su un singolo PC) la GA ha trovato un circuito (diagram) con lo stesso comportamento utilizzando solo 9 porte extra. È difficile capire esattamente quali siano i principi operativi alla base del suo funzionamento, ma sembra che tenda a utilizzare più porte XOR che propagano sempre un po’ di capovolgimento in uno dei loro input, e sfruttano anche la diversità del design per confrontare più sezioni del circuito simultaneamente. Molti circuiti evoluti sono descritti e i loro diagrammi possono essere trovati in  published papers.
Ciò dimostra che l'evoluzione è in grado di raggiungere aree di spazio progettuale oltre lo scopo del design convenzionale, e anche che queste aree contengono soluzioni efficienti finora invisibili, in attesa di essere svelate. Quanti circuiti di questo tipo l'evoluzione potrebbe trovare, migliori di quelli di oggi? Crediamo che siano ovunque e intendiamo iniziare a cercarli utilizzando un cluster di isole basato sui PC dei volontari.

Perché l'autodiagnosi dell'hardware?

È molto difficile progettare un circuito che produca un comportamento affidabile quando vengono a galla dei difetti, motivo per cui i progettisti umani hanno scelto semplicemente di avere una copia extra dell'intero circuito come soluzione. Tuttavia questo è costoso in termini di potenza e area del silicio, il primo cruciale, ad esempio, nelle missioni spaziali e il secondo nella produzione di massa. I circuiti da dare al cluster per evolvere saranno di dimensioni industriali, come un decodificatore di Viterbi, che viene utilizzato all'interno di ogni telefono cellulare.

Link utili

Join al Team
Applicazioni
Stato del server
Statistiche interne del progetto
Classifica interna utenti
Pagina dei risultati

 

Statistiche BOINC.Stats

Statistica del Team sul progetto
Classifica dei team italiani
Statistiche del Team

Apprendo con una certa felicità che Bryan, il co-amministratore di Riesel Sieve, ha comunicato sul forum di backup del progetto che è riuscito ad avere un contatto diretto con Lee, l'amministratore che era stato dato per disperso assieme ai server.

.