Laboratorio CLAI

Computational Logic and Artificial Intelligence

Il laboratorio CLAI è stato istituito dal Senato Accademico del 17/12/2020 e si occupa di ricerca teorica e applicativa in logica computazionale ed intelligenza artificiale, con particolare enfasi su machine learning, deep learning, ragionamento automatico, metodi formali per l'analisi, la verifica ed il testing del software, dei sistemi e dei processi con l'obiettivo di garantirne la correttezza e la sicurezza, problemi di ottimizzazione combinatoria e di interazione tra agenti non cooperativi in reti sociali e di comunicazione, dimostrazione automatica e assistita, giochi, reinforcement learning e pianificazione.

Il laboratorio svolge prevalentemente attività di ricerca, ma è anche di supporto all’attività didattica ospitando esercitazioni specifiche, studenti in tesi di laurea triennale e/o magistrale, borsisti e dottorandi, tirocini.

Scopo del laboratorio è di creare legami con realtà industriali locali e nazionali per la partecipazione a progetti di interesse comune e per il trasferimento tecnologico. 

La sede del Laboratorio è nel Dipartimento di Economia, viale Pindaro 42, Pescara. Il responsabile scientifico del laboratorio CLAI è la prof.ssa Maria Chiara Meo.

Attività del laboratorio di rilevanza nazionale

• Finanziati due progetti del laboratorio CLAII nell’ambito dei bandi a cascata del Partenariato Esteso FAIR (Future Artificial Intelligence Research), tematica “1. Intelligenza artificiale: aspetti fondazionali” (PNRR), per un totale di 440.000 €:
  1. EcoGames - Existence, Complexity and efficiency of stable solutions in green-Oriented games
  2. SMARTK - Smart Knowledge: Enhancing Argumentation and Abstraction for Explanation and Analysis.
  Il laboratorio CLAI inizia la sua collaborazione con uno dei più grandi progetti di Intelligenza Artificiale italiani! Leggi la notizia.
• Organizzazione della First Italian School on Geometric Deep Learning - July 25–28, 2022 - Pescara (IT)
  • La scuola è terminata ma puoi guardare le registrazioni di Michael Bronstein, DeepMind Professor of AI alla University of Oxford.
  • La scuola è stata finanziata dalla Association for the Advancement of Artificial Intelligence (AAAI) e dall'Indam.
• Partecipazione al Dottorato Nazionale di Intelligenza Artificiale PhD-AI.it
  • Associati alla sezione AI & Health and Life Sciences del Dottorato Nazionale di Intelligenza Artificiale a partire dal 37° ciclo di dottorato.
• Nodo del Laboratorio Nazionale di Intelligenza Artificiale del CINI
  • Nominato responsabile del nodo di Intelligenza Artificiale dell'Università d'Annunzio il prof. Luca Moscardelli. Congratulazioni!

Membri  fondatori del laboratorio

Corsi di Intelligenza Artificiale

Alcuni corsi di Intelligenza Artificiale tenuti dai membri del CLAI nei CdS dell'Università d'Annunzio:

• Intelligenza artificiale
  • modulo di Intelligenza artificiale simbolica
  • modulo di Machine learning
• Deep learning
• Intelligenza artificiale per la finanza
• Reinforcement learning in artificial intelligence

Gestione infrastrutture di calcolo

I membri del laboratorio gestiscono le seguenti infrastrurre di calcolo:

• Piattaforma oVirt con 3 nodi

  • ovirt-vlab-01.unich.it

    • PowerEdge R7425 (rack-mounted)

    • 2 CPU AMD EPYC 7301 (2 * 16 core)

    • 512 GB RAM

    • 2 dischi SAS 558 G in RAID 1

    • 1 GPU nVidia Tesla T4

    • 4 prese Ethernet 10Gbps

    • oVirt nodo compute

• ovirt-vlab-02.unich.it

  • PowerEdge R7425 (rack-mounted)

  • 2 CPU AMD EPYC 7301 (2 * 16 core)

  • 512 GB RAM

  • 2 dischi SAS 558 G in RAID 1

  • 4 prese Ethernet 10Gbps

  • oVirt nodo compute 2

• storage-vlab-01.unich.it

  • PowerEdge R7425 (rack-mounted)

  • 2 CPU AMD EPYC 7301 (2 * 16 core)

  • 256 GB RAM

  • 2 dischi SSD SATA 223 GB n RAID 1

  • 24 dischi SAS 658 GB in RAID 10 (6 TB)

  • 4 prese Ethernet 10Gbps

  • CentOS 8 esclusivamente come nodo storage per oVirt

• Server CLAI

  • Dell EMC PowerEdge R740xd (rack-mounted)

  • 2 CPU Xeon Gold 6238R (2 * 28 core)

  • 512 GB RAM

  • 2 dischi SSD SAS Read Intensive 12 Gbps 480 GB in RAID 1 (totale 480 GB)

  • 5 dischi SSD SAS 10K 12 Gbps 2.4 TB in RAID 5 (totale 9.6 TB)

  • 2 GPU nVidia A40

  • 2 prese Ethernet 10 Gbps

• Server zeus.unich.it

  • Dell PowerEdge T620 (tower)

  • 2 CPU Xeon E5-2640 (2 * 8 core)

  • 64 GB RAM

  • 2 dischi SAS 10K 279 GB in RAID1 (totale 279 GB)

  • 3 dischi near line SAS 3726 GB in RAID5 (totale 7451 GB)

  • CentOS 7 con alcune macchine virtuali (KVM)

• Server atena.unich.it

  • Dell PowerEdge R620 (rack-mounted)

  • 2 CPU Xeon E5-2640 (2 * 8 core)

  • 64 GB RAM

  • 2 dischi SAS 10K 279 GB in RAID 1 (totale 279 GB)

  • 4 dischi SAS 838 GB in RAID 5 (totale 2513 GB)

  • CentOS 7 usato esclusivamente come ipervisore (KVM)