Sviluppo di una pipeline C++ per l’analisi in tempo reale di dati per missioni spaziali con integrazione di Machine Learning su piattaforme Edge

Questa tesi presenta lo sviluppo, l’ottimizzazione e la validazione del framework di analisi in tempo reale “Real-Time Analysis DataProcessor (RTA-DP)”, progettato presso INAF – OAS per il processamento distribuito di dati relativi a raggi gamma atmosferici. Il lavoro ha riguardato la revisione dell’architettura multi-thread e della gestione del ciclo di vita dei thread, l’introduzione di code concorrenti sicure, l’integrazione di ZeroMQ per lo streaming dei dati e l’ottimizzazione del codice per limitare il consumo di CPU e memoria, con l’obiettivo di garantire stabilità e bassa latenza in ambienti edge. La pipeline è stata estesa per il caso d’uso GammaSky, integrando un modello di machine learning per la ricostruzione delle waveform, quantizzato e ottimizzato per l’esecuzione su edge computer Jetson Orin Nano. I test di inferenza, gli stress test e il monitoraggio delle risorse mostrano latenze dell’ordine dei 400 μs, throughput superiori ai requisiti e consumo energetico minimo. Sono stati inoltre sviluppati test di integrazione end-to-end che verificano l’intero flusso di processamento dei dati. I risultati dimostrano che la pipeline è stabile, efficiente e adatta a scenari “resource constrained”, costituendo una base solida per il deployment all’interno del setup di GammaSky presso l’Osservatorio del Monte Cimone e per futuri impieghi in missioni spaziali con nanosatelliti.