PRIN 2022 PNRR - SMILE

Statistical MachIne Learning for Exposure development

PRIN 2022 PNRR - SMILE : Statistical MachIne Learning for Exposure development

Il progetto PRIN 2022 PNRR - SMILE

SMILE è un Progetto di Rilevante Interesse Nazionale (PRIN) finanziato dal Piano Nazionale di Ripresa e Resilienza (PNRR) dall'Unione europea - Next Generation EU e coordinato dall'Istituto Nazionale di Oceanografia e di Geofisica Sperimentale - OGS, con la partecipazione dell'Università degli studi di Firenze (UNIFI), dell'Università degli studi di Milano-Bicocca (UNIMIB), e dell'Istituto di Matematica Applicata e Tecnologie Informatiche del Consiglio Nazionale delle Ricerche (CNR-IMATI).

Perchè il progetto SMILE?

I dati attuali sugli edifici esposti a eventi calamitosi sono incompleti e aggiornati solo sporadicamente, perciò è necessario migliorarli per ridurre efficacemente i rischi legati ai disastri naturali.

Cosa fa il progetto SMILE?

SMILE utilizza apprendimento automatico, telerilevamento e citizen science per aggiornare dinamicamente i dati sugli edifici esposti ai rischi naturali, migliorando la prevenzione, la gestione delle emergenze e la protezione della vita e dei beni.

OGS - Istituto Nazionale di Oceanografia e di Geofisica Sperimentale

OGS gestisce infrastrutture e competenze multidisciplinari per la valutazione e la prevenzione dei rischi geologici, ambientali e climatici. Il Centro di Ricerca Sismologica (CRS) ha esperienza nello sviluppo di livelli di esposizione che coinvolgono gli stakeholder locali in aree soggette a rischi naturali. Partecipanti al progetto: Chiara Scaini (Principal Investigator), Antonella Peresan, Piero Brondi, Hazem Badreldin, Hany Hassan, Carla Barnaba.

IMATI - Istituto di Matematica Applicata e Tecnologie Informatiche

Si occupa di fornire conoscenze e infrastrutture per lo sviluppo e la diffusione della matematica applicata e dell'informatica come strumenti per affrontare le sfide dell'ingegneria e della società. CNR-IMATI Milano contribuisce al progetto con le sue competenze nell'analisi statistica dei dati ambientali, nei sistemi informativi e nello sviluppo di nuove metodologie e algoritmi per la fruizione di dati multimediali sul web. Partecipanti al progetto: Elisa Varini (responsabile), Maria Teresa Artese, Isabella Gagliardi

UNIFI - Università degli studi di Firenze

Gruppo di Geologia Applicata e Geomorfologia, presso il Dipartimento di Scienze della Terra, è uno dei maggiori centri di servizi scientifici e tecnologici sui geo-rischi in Italia. Ha una vasta esperienza nell'uso di tecniche di telerilevamento ottico e radar applicate allo studio delle deformazioni del terreno, oltre che nell'intervento in emergenza per il monitoraggio di fenomeni idrogeologici facendo parte del Centro per la Protezione Civile dell'Università, Centro di Competenza della Protezione Civile Nazionale. Partecipanti al progetto: Matteo Del Soldato (responsabile), Silvia Bianchini, Olga Nardini

UNIMIB - Università degli studi di Milano-Bicocca

Laboratorio di Imaging e Vision, ha conoscenze, esperienze e competenze nell'uso e nella progettazione di algoritmi tradizionali e basati su Deep Neural Network per la comprensione e l'elaborazione delle immagini. UNIMIB è responsabile dello sviluppo di tecniche di apprendimento automatico per analizzare e classificare i dati delle immagini. Partecipanti al progetto: Gianluigi Ciocca (responsabile)