RAY-DEEP Detección de rayos cósmicos mediante Deep Learning
Descripción del proyecto:
El objetivo de RAY-DEEP es desarrollar un experimento basado en la detección de rayos cósmicos, centrado en muones, fotones y electrones, mediante un objetivo FPGA en tiempo real, a través de la clasificación de imágenes utilizando técnicas de Deep Learning con modelos implementados en System of Chip (SoC + FPGA) para su procesamiento en Edge Computing y validado en globos aerostáticos.
Objetivo general:
Como resultado del proyecto se dispondrá de un sistema electrónico que incorpora una cámara y modelos de Inteligencia Artificial y que es capaz de identificar la ionización a la que está sometida la tierra, transformando los resultados en un impacto en la comunidad científica, industrial y social, ya que la tecnología desarrollada y las fuentes de imágenes obtenidas permitirán reforzar las bases de datos públicas existentes (imágenes) en diferentes entornos y altitudes, de forma que, por un lado, la comunidad científica pueda seguir investigando y, por otro, pueda apoyar a los sistemas aéreos, vehículos autónomos y tripulaciones de las condiciones no visibles a las que están expuestos.
Objetivos específicos:
- Desarrollar un sistema de Inteligencia Artificial aplicado a la detección de rayos cósmicos para identificar el riesgo en tiempo real, y que dicho sistema pueda ser integrado en un dispositivo.
- Poner de manifiesto la relevancia de este experimento respecto a los posibles usos de la Inteligencia Artificial, a través de diferentes técnicas, en el campo de la minimización de los riesgos cósmicos y abrir la puerta a nuevos desarrollos en el futuro, que puedan generar servicios de alto valor.
- Desarrollo de modelos y la implementación de los algoritmos.
- Analizar el impacto del experimento en el ámbito del desarrollo de soluciones basadas en Inteligencia Artificial, que puede ser también trascendental, ya que la técnica elegida, basada en la tecnología neuromórfica, representa una innovación aplicada, que será una referencia para otros posibles usos.
Duración:
2022
Proyecto en cooperación con:
Financiado por:
Fondos FEDER a través del proyecto DIH4AI financiado por la Comisión Europea (nº 101017057)
Persona de contacto:
Javier Sedano – Grupo de Investigación de Electrónica Aplicada e Inteligencia Artificial