MALIN e la nuova unità di ricerca di computational imaging & learning
Il progetto europeo MALIN (model-aware learning for imaging inverse problems in fluorescence microscopy), finanziato con un ERC starting grant da 1,5 milioni di euro, affronta una delle sfide più complesse dell’imaging scientifico: la ricostruzione di immagini di microscopia a fluorescenza a partire da dati incompleti, sotto-campionati e affetti da interferenze (rumore). In particolare, il progetto guidato da Luca Calatroni, docente UniGe di informatica, mira a sviluppare tecniche avanzate di computational imaging & learning per consentire la visualizzazione di strutture molecolari mettendo in campo processi di ricostruzione più efficienti e meno costosi rispetto alle metodologie tradizionali. Per rendere i metodi di deep learning per l’imaging in microscopia più interpretabili e solidamente fondati teoricamente, integriamo la conoscenza di modelli fisici per migliorare l’efficacia delle tecniche di ricostruzione delle immagini
Computational Imaging & Learning @ MaLGa, centro interdipartimentale per l’innovazione scientifica
MALIN si sviluppa in MaLGa – Machine Learning Genoa Center, un centro di ricerca interdipartimentale dell'Università di Genova, che si è affermato come un punto di riferimento internazionale per la ricerca scientifica e applicata nel campo del machine learning. Qui Calatroni ha avviato l’unità di ricerca di CIL – Computational Imaging & Learning, attirando brillanti ricercatori per collaborare allo sviluppo dei problemi cardine del progetto.
La realtà scientifica di MaLGa è unica nel panorama italiano, promuovendo la ricerca attraverso un confronto diretto tra giovani ricercatori e PI (principal investigator, i coordinatori di progetto) in un ambiente stimolante che favorisce un continuo scambio di idee, lo sviluppo di nuove prospettive e la rapida maturazione scientifica.
Interdisciplinarità: la chiave per superare i confini della ricerca tradizionale
MALIN è un progetto che si distingue per la sua natura interdisciplinare, unendo diverse aree di ricerca come matematica applicata, fisica, intelligenza artificiale e biologia. Questo approccio consente lo sviluppo di nuove tecniche di ricostruzione delle immagini che integrano modelli fisici e machine learning, superando i limiti dei metodi esistenti. Oltre a perfezionare i metodi di ricostruzione, il progetto punta a sviluppare tecnologie avanzate che superano le capacità delle soluzioni attuali. Queste nuove tecnologie sono in grado di offrire una risoluzione superiore e una maggiore efficienza, riducendo al contempo i costi e l'accesso alle risorse necessarie. La combinazione di innovazione teorica e applicazione pratica, unita alla collaborazione tra scienziati di diverse discipline, apre la strada a soluzioni che rivoluzionano il campo dell’imaging scientifico, con impatti significativi in contesti biomedicali e delle scienze dei materiali.
Una sinergia di tecniche e gruppi di ricerca
MALIN sviluppa metodi innovativi che combinano modelli fisici con tecniche di machine learning, permettendo di ottenere immagini ad alta risoluzione senza ricorrere a strumenti estremamente costosi. Questo approccio consente di ottenere risultati di qualità senza compromettere l'accessibilità, aprendo la strada a nuove applicazioni nella ricerca biologica e industriale. Per questi obiettivi, la collaborazione con il gruppo MMS – Molecular Microscopy & Spectroscopy di Giuseppe Vicidomini presso l'IIT – Istituto Italiano di Tecnologia è essenziale per testare e validare le nuove tecniche in contesti reali. Il gruppo MMS, noto per la sua expertise in microscopia a fluorescenza avanzata, permetterà a MALIN di perfezionare e applicare i suoi metodi.
Strumenti innovativi e accessibili per la comunità scientifica
Una parte fondamentale del progetto MALIN è lo sviluppo di strumenti software open-source e accessibili gratuitamente dalla comunità scientifica globale. Questi strumenti saranno progettati per integrarsi facilmente in piattaforme pubbliche. La loro accessibilità è un passo cruciale per abbattere le barriere economiche che limitano l'adozione di tecnologie avanzate. In questo modo, i laboratori di microscopia potranno implementare soluzioni di imaging innovative, anche con budget ridotti, ampliando l'uso di tecniche di imaging computazionale.
Costruire ponti tra matematica, tecnologia e applicazioni
Luca Calatroni, coordinatore del progetto MALIN, ha maturato esperienze internazionali a Cambridge, all'École Polytechnique di Palaiseau e al CNRS di Sophia-Antipolis. Al suo ritorno in Italia, ha avviato un progetto che integra matematica, informatica e modellizzazione fisica, con l’obiettivo di risolvere sfide concrete nell’ambito dell’imaging scientifico. Attualmente professore associato al Dipartimento di informatica, bioingegneria, robotica e ingegneria dei sistemi - DIBRIS dell'Università di Genova, Calatroni dirige l'unità CIL, dove traduce le teorie matematiche in strumenti pratici per rivelare strutture molecolari precedentemente invisibili. Il suo approccio innovativo si concentra sull'integrazione tra teoria e applicazione, sfruttando la matematica per affrontare problemi reali e generare soluzioni che abbiano un impatto significativo nell'ambito dell'imaging scientifico, supportando applicazioni avanzate in numerosi settori di ricerca.
