SMart Access to Data-Intensive Facilities

Transcript

1 SMart Access to Data-Intensive Facilities SMADIF Data di preparazione: 3 Marzo 2014 Piano di lavoro: pagina 1 di 8

2 Indice Sezione 1: Motivazioni scientifiche e tecnologiche Idea ed Obiettivi Contesto Descrizione delle principali attività Elementi del progetto Data-intensive Facilities Scanner Aperio ScanScope XT Microscopio elettronico a doppio fascio Nova 600 NanoLab Sequenziatore Illumina HiSeq Sezione 2: Implementazione Sviluppo temporale e milestones Sviluppo temporale Lista milestone Risorse da impiegare... 8 Piano di lavoro: pagina 2 di 8

3 Sezione 1: Motivazioni scientifiche e tecnologiche 1.1 Idea ed Obiettivi Contesto Nell'ambito delle facilities tecnologiche si è assistito nel corso degli ultimi anni ad un aumento esponenziale della mole di dati che esse forniscono in output. Questo ha richiesto e richiede un adeguamento delle infrastrutture software e hardware per far fronte all'accesso e alla gestione di tali dati in modo intelligente. In particolare, sta diventando sempre più comune il caso di volere permettere un accesso trasparente da parte di utenti esterni ai dati generati da sistemi ad altra processività come ad esempio apparati di microscopia e sequenziatori di ultima generazione. Questo progetto infrastrutturale ha come scopo la realizzazione e la sperimentazione di un sistema intelligente in grado di garantire un accesso di tipo cloud alle facilities dataintensive gestite dal CRS4, come ad esempio sequenziatori di nuova generazione, microscopi elettronici, scanner ed altri apparati. Figura 1: Schema di architettura del progetto. Nella figura sopra sono rappresentati gli attori che concorrono a formare il progetto. Il flusso di dati passa dalle facilities data-intensive ad un sistema di storage intelligente che permette l'accesso dall'esterno tramite un insieme eterogeneo di device quali smartphone, tablet, desktop, laptop o netbook. L'utente, ovunque si trovi, può quindi accedere ai suoi dati in modo trasparente. Particolare attenzione sarà data alla sicurezza negli accessi tramite un sistema di autenticazione dell'utente ed autorizzazioni dei file, in modo che ognuno possa vedere solo i risultati che lo riguardano. Piano di lavoro: pagina 3 di 8

4 Figura 2: Scenario di utilizzo. Un esempio di scenario di utilizzo potrebbe essere quello schematizzato in figura 2. Partendo dall'angolo inferiore sinistro, una ditta che produce circuiti stampati vuole capire la causa della rottura di un loro modello di PCB. Per fare questo spedisce al CRS4 un pacchetto con il PCB campione contrassegnato da un certo identificativo e le istruzioni. Il laboratorio di microscopia analizza il PCB con il SEM/FIB Nova600, descritto brevemente in seguito. Il risultato delle analisi viene automaticamente archiviato e reso disponibile via cloud. Contemporaneamente una avverte la ditta che è pronta l'analisi corrispondente a quel dato identificativo. Il dipendente accreditato quindi si collega, digitando le credenziali, al cloud CRS4 e in remoto, via web, controlla i risultati delle analisi, eventualmente scaricando solo le immagini che ritiene più interessanti. Riassumendo, il progetto riguarderà l'analisi e messa a punto dei processi di acquisizione, gestione, elaborazione ed accesso ai dati. Verranno inoltre sperimentati scenari di effettiva interazione con end-user esterni al CRS4. Piano di lavoro: pagina 4 di 8

5 1.1.2 Descrizione delle principali attività Il progetto si si articola nelle seguenti attività. Attività di studio del sistema. Il sistema di trasferimento dei dati dalle macchine data-intensive alle risorse computazionali del CRS4 viene abbozzato in modo da individuare le criticità e stabilirne un primo piano di realizzazione. Più in dettaglio il formato dei dati in uscita dalle macchine ad alta processività deve essere integrato al meglio dentro una struttura software già esistente al CRS4 che ne permetta facili gestione ed accesso. In questa fase si effettuano anche delle scelte sulle risorse computazionali da interfacciare alle macchine. Realizzazione del sistema di gestione ed accesso dati. Le risorse computazionali, individuate nell'attività precedente, vengono configurate e interfacciate alle macchine data-intensive. Viene costruita una pipeline per il flusso dei dati. Tale pipeline viene sottoposta a test di verifica e a opportune correzioni finalizzate al suo corretto funzionamento. Viene installato e configurato il sistema di accesso ai dati. Le sperimentazioni, all'interno di questa attività, sono condotte solo su utenti locali. Analisi e ottimizzazione del sistema di gestione ed accesso dati. La pipeline viene analizzata al fine di migliorarne le prestazioni. Infine vengono affrontate le problematiche relative alla fruizione dei dati sicura da parte di utenti esterni. In questa fase verranno condotte estese sperimentazioni che coinvolgeranno utenti esterni al Centro. Piano di lavoro: pagina 5 di 8

6 1.2 Elementi del progetto Data-intensive Facilities Il CRS4 ha accesso a diverse facilities data-intensive. A titolo di esempio riportiamo una breve descrizione di alcune tra le più rappresentative Scanner Aperio ScanScope XT Si tratta di uno scanner veloce ad alta capacità per la digitalizzazione di vetrini. Tale strumentazione viene utilizzata prevalentemente nel campo dell'istologia e della patologia digitale. Fino a 120 vetrini sono automaticamente caricati dalla macchina ad high-throughput scanning e digitalizzati ognuno in un tempo inferiore ai 2 minuti ad un ingrandimento di 20x cui corrisponde una risoluzione di 0.50 micrometri per pixel. Lo scanner ha anche una modalità con fattore di ingrandimento di 40x ed una risoluzione di 0.25 micrometri per pixel, che è in grado di produrre oltre 5 TB di dati all'ora Microscopio elettronico a doppio fascio Nova 600 NanoLab Il microscopio elettronico a doppio fascio Nova NanoLab600 (SEM/FIB) è un prodotto della FEI che utilizza sia la tecnologia SEM, scanning electron microscopy, che quella FIB, focused ion beams, con microanalisi EDX, Energy-Dispersive X-ray spectroscopy. La risoluzione massima con tecnologia SEM è di 1.1 nanometri a 15kV o di 2.5 nanometri a 1kV. La risoluzione massima con tecnologia FIB è di 7.0 nanometri a 30 kv. Le immagini prodotte sono in scala di grigi con un numero di pixel pari a 512x442, 1024x884, 2048x1768 o 4096x3536. La velocità max di scansione con una risoluzione pari a 1024x884 è di 50.8 ms/frame. L analisi chimica o microanalisi viene realizzata misurando l energia e la distribuzione delle intensità dei raggi X generati dal fascio elettronico sul campione utilizzando un rivelatore a dispersione di energia. Il campo di utilizzo del Nova NanoLab600 è molto ampio e abbraccia tutte le tecnologie in cui si richiede un'analisi a livello nanometrico dei campioni Sequenziatore Illumina HiSeq 2000 Fa parte della categoria dei massive parallel sequencing, noto anche come next generation sequencing o NGS. È un sequenziatore ad alto throughput e qualità elevata di output, capace di generare in un mese 1200 Gbp che corrisponde ad un traffico di 2400 GB al mese o anche 80GB al giorno. Piano di lavoro: pagina 6 di 8

7 Sezione 2: Implementazione 2.1 Sviluppo temporale e milestones Sviluppo temporale Progetto SMADIF Task 1.1 Attivita'di studio del sistema Task 1.2 Realizzazione del sistema di gestione ed accesso dati Task 1.3 Analisi e ottimizzazione del sistema di gestione e accesso dati Lista milestone L evoluzione del progetto verrà costantemente monitorata con riferimento alla seguente lista di milestone. Milestone Number MS1 MS2 MS3 Nome Milestone Studio del sistema Realizzazione Sistema completo Data prevista M7 M14 M24 Mezzi di verifica Sono pronte le specifiche per l'hardware/software da acquisire ed un piano di una pipeline di gestione ed accesso ai dati. Una prima pipeline di gestione ed accesso dati e' funzionante. La pipeline e' stata ottimizzata ed e' garantito l'accesso, anche dall'esterno del CRS4, ai dati generati. Piano di lavoro: pagina 7 di 8

8 2.2 Risorse da impiegare La tabella seguente riporta la prevista distribuzione delle spese. Voci di Costo Totale Personale Investimenti Altri Costi * Totale * gli altri costi includono spese per manutenzione degli apparati per l'acquisizione ad altra processività, come i microscopi ed i sequenziatori, coinvolti nel progetto ed eventuale hardware necessario per l'interfacciamento e l'accesso ai dati. Inoltre, dato che il progetto prevede sperimentazioni realistiche di servizi con soggetti terzi esterni, eventuali contributi pagati da questi ultimi per poter partecipare alle sperimentazioni verranno utilizzate dal CRS4 a parziale rimborso delle spese generali ed i costi di gestione del progetto, costi attualmente previsti come a completo carico del CRS4. Piano di lavoro: pagina 8 di 8