Can we Rely on Self-Driving Vehicles?
Le auto senza conducente sono la nuova tendenza nel mercato automobilistico e, per dare impulso all'esplorazione dello spazio profondo, la NASA e l'ESA sono disposte ad aggiungere capacità di guida autonoma ai loro rover. Ingenuity, atterrato su Marte nel 2021, è il primo veicolo autonomo a muoversi al di fuori della Terra. Per essere implementato, un sistema di guida autonoma deve essere in grado di analizzare un'enorme quantità di immagini e segnali in tempo reale. Ciò si ottiene grazie alle Convolutional Neural Networks (CNN) eseguite su Graphics Processing Unit (GPU) o acceleratori dedicati, come la Tensor Processing Unit (TPU) di Google. Il sistema di guida autonoma Tesla, ad esempio, è alimentato da GPU integrate che eseguono il rilevamento di oggetti basato sulla CNN. Nel talk parleremo dell'affidabilità delle GPU e di altri acceleratori e valuteremo se sono conformi alla rigorosa ISO 26262, che è lo standard che definisce i vincoli di affidabilità per le applicazioni automobilistiche.
La conferenza si concentrerà sull'affidabilità dell'algoritmo di rilevamento degli oggetti e delle reti neutre a convoluzione (incluse YOLO, Faster RCNN e ResNet). Capiremo come identificare gli errori indotti dalle radiazioni nelle GPU e distinguere tra errori tollerabili ed errori critici.
Dopo una breve descrizione degli effetti delle radiazioni a livello fisico, mostreremo il reale impatto dei neutroni nelle CNN presentando risultati accelerati del fascio di neutroni che corrispondono a più di 150.000 anni di esposizione naturale. I nostri dati dimostrano che la maggior parte degli errori indotti dalle radiazioni nelle CNN può essere tollerata, anche in applicazioni critiche per la sicurezza. Rafforzando solo le fonti di errore critiche, saremo in grado di aumentare l'affidabilità dell'applicazione senza sovraccarico non necessario.
BIO
Paolo Rech ha conseguito il master e il dottorato di ricerca presso l'Università di Padova, rispettivamente nel 2006 e nel 2009. È stato poi Post Doc alla LIRMM di Montpellier, in Francia. Dal 2012 Paolo è Professore Associato presso l'UFRGS in Brasile. È stato Rosen Scholar Fellow 2019 presso il Los Alamos National Laboratory e ha ricevuto il premio Impact in Society 2020 dal Rutherford Appleton Laboratory nel Regno Unito.
Dal 2020 Paolo è Marie Curie Fellow al Politecnico di Torino.
I suoi principali interessi di ricerca includono la valutazione e la mitigazione degli effetti indotti dalle radiazioni nei centri HPC su larga scala e nei veicoli autonomi per applicazioni automobilistiche ed esplorazioni spaziali.