Progetto AMPERE: piattaforma innovativa per combinare e interconnettere sistemi complessi con modelli di calcolo ad alte prestazioni. Da prime applicazioni ai sistemi automobilistici e ferroviari una riduzione dei costi di sviluppo del software del 30%
Si è concluso con successo il progetto AMPERE (acronimo di "A Model-driven development framework for highly Parallel and EneRgy-Efficient computation supporting multi-criteria optimisation"), finanziato con quasi 5 milioni di euro dalla Comunità Europea, che ha visto impegnati per tre anni docenti e ricercatori del Laboratorio di Sistemi Real-Time (RETIS) dell’Istituto per le Tecnologie dell'Informazione, della Comunicazione e della Percezione (TECIP) della Scuola Superiore Sant’Anna.
Risultato del progetto AMPERE è la creazione di una piattaforma innovativa che aiuterà progettisti e sviluppatori a combinare e a interconnettere molteplici componenti, software e hardware, in maniera del tutto trasparente, in modo da realizzare sistemi complessi in grado di aderire “by design” alle specifiche di progetto, incluso quelle sfidanti relative al comportamento temporale e alle caratteristiche di affidabilità, senza sacrificare l’efficienza energetica.
La piattaforma realizzata sfrutta modelli di programmazione parallela di calcolo ad alte prestazioni (HPC-High Performance Computing) per far fronte ai requisiti prestazionali di complessi sistemi ciberfisici (CPS-Cyber-Physical Systems) nei settori automobilistico e ferroviario, con un elevato potenziale di riduzione dei costi di sviluppo e implementazione del software del 30%.
Obiettivo raggiunto. La piattaforma fornisce meccanismi fondamentali al cuore del supporto computazionale per lo sviluppo dei sistemi embedded (nascosti) necessari ad una molteplicità di domini applicativi, dai servizi evoluti e sicuri per il trasporto, per il benessere, per la produzione sostenibile e per lo “smart manufacturing”.
Nel progetto AMPERE la nuova piattaforma per lo sviluppo di software complesso è stata applicata in due casi d'uso nei settori del trasporto automobilistico e ferroviario. Entrambi i casi richiedevano risposte rapide e precise a input sempre più complessi. Nel caso d'uso automobilistico, il Predictive Cruise Control (PCC) ha esteso il controllo di velocità adattivo calcolando il profilo di velocità ottimale del veicolo utilizzando dati per migliorare l'efficienza del carburante. La piattaforma è stata anche utilizzata in ambito ferroviario per l’implementazione di un sistema di rilevamento ed evitamento degli ostacoli (ODAS).
Il progetto AMPERE ha coinvolto partner accademici di assoluto rilievo nell’ambito della progettazione e dello sviluppo di sistemi embedded, come il Barcelona Supercomputing Center (coordinatore nonché leader europeo in ambito HCP), l’ETH di Zurich, l’Instituto Superior de Engenharia di Porto, e partner industriali di rilievo nei settori automotive e railways come Bosch, Thales Italia, Sysgo ed Evidence (una delle aziende spin-off della Scuola Sant’Anna, ora Huawei).
"Il progetto AMPERE rappresenta un balzo in avanti nel campo del cyber-physical computing consentendo ai modelli di programmazione parallela HPC di permettere uno sviluppo e un'implementazione più rapidi, affidabili ed efficienti in termini di risorse di sistemi, come quello ferroviario e automobilistico. Le applicazioni del framework software AMPERE potrebbero potenzialmente rivoluzionare un’ampia gamma di settori che richiedono l’uso di sofisticate tecnologie informatiche parallele ed eterogenee”, afferma Eduardo Quiñones, coordinatore di AMPERE e capogruppo del Predictable Parallel Computing Group presso il Barcelona Supercomputing Center.
Nell’ambito del progetto AMPERE, coordinato per la Scuola Superiore Sant'Anna da Tommaso Cucinotta, docente di sistemi Embedded dell'Istituto TeCIP, il Laboratorio RETIS ha realizzato meccanismi di sistema operativo per la gestione del parallelismo nel software con accelerazione hardware su piattaforme eterogenee che includono processori multi-core non simmetrici, acceleratori GPU e FPGA, con caratteristiche di elevata predicibilità temporale ed efficienza energetica; la maggior parte di questi meccanismi sono stati pubblicati sia come articoli scientifici che come strumenti open-source per il sistema operativo Linux.
Nel comunicato allegato, diramato dalla Project Dissemination Unit di AMPERE, informazioni più dettagliate sui risultati di progetto, mentre al QUI è possibile consultare la tabella con i key exploitable results realizzati da tutti i partner.
In copertina: rappresentazione dei dati raccolti dai sensori ODAS installati sulla parte anteriore di un treno e l'analisi eseguita su di essi dai componenti Sensor Data Fusion e AI Analytics per la definizione un sistema di rilevamento per evitare ostacoli.
