I ricercatori dello Spoke 9 presentano i loro risultati nella riunione plenaria di iNEST
La riunione si è tenuta oggi, 19 dicembre 2023, all’Università degli Studi di Trieste
Trieste, 19 dicembre 2023
Oggi, 19 dicembre 2023, l’Università degli Studi di Trieste (UNITS) ha tenuto una riunione plenaria riguardante le attività di iNEST. Lo Spoke 9 ha partecipato all’evento, in quanto UNITS è tra i suoi partner.
Questa mattina, dopo i saluti del Prof. Roberto di Lenarda, Rettore dell’Università di Trieste, e del Prof. Angelo Montanari, Direttore del Comitato Tecnico Scientifico di iNEST, sono state mostrate le attività in cui l’Università di Trieste è coinvolta. Lo Spoke 9 è stato presentato dal Prof. Luca Bortolussi, che si è concentrato principalmente sulle applicazioni dei gemelli digitali in vari settori: manifatturiero ed energetico, ambiente e smart city. La ricerca e lo sviluppo di tali applicazioni è l’obiettivo principale del Research Topic 4.
La riunione plenaria è proseguita nel pomeriggio, con sessioni parallele in cui studenti e ricercatori di ogni Spoke hanno potuto mostrare i risultati del loro lavoro.
Il primo a parlare è stato Dario Coscia, dottorando del gruppo SISSA mathLab. Coscia ha presentato un intervento su GAROM (Generative Adversarial Reduced Order Model), un nuovo approccio per risolvere equazioni differenziali utilizzando reti neurali. Infatti, come ha spiegato, «le equazioni differenziali sono utilizzate per descrivere l’evoluzione di molti sistemi, come la dinamica cardiaca, le previsioni del tempo, il design delle automobili e la struttura atomica», e le reti neurali ci consentono di ottenere le loro soluzioni in un tempo relativamente breve.
La presentazione successiva, riguardante tecniche learning-based per il monitoraggio predittivo, è stata tenuta da Francesca Cairoli, Professoressa Associata presso il Dipartimento di Matematica e Geoscienze dell’Università degli Studi di Trieste. Il monitoraggio predittivo mira a prevedere risultati futuri, per esempio nel mondo del business; tuttavia, i suoi risultati approssimati «non possono essere ritenuti affidabili in applicazioni critiche per la sicurezza», come ha affermato Cairoli. Le tecniche learning-based forniscono «un migliore equilibrio tra l’efficienza computazionale fornita dalle reti neurali e l’affidabilità delle previsioni».
È stato quindi il turno di Laura Meneghetti, post-doc presso la SISSA nel gruppo di ricerca di Analisi Matematica, Modellistica e Applicazioni. La presentazione di Meneghetti si è concentrata su un nuovo approccio per ridurre il carico computazionale degli algoritmi di rete neurale convoluzionale (CNN). Le CNN, infatti, sono utilizzate in diverse applicazioni: «Un problema tipico è quello del riconoscimento delle immagini», ha spiegato Meneghetti. Insieme al suo gruppo ha sviluppato un metodo, basato su modelli di ordine ridotto, «per trasferire il nostro modello efficiente da un computer con elevata potenza computazionale a un dispositivo con un hardware più limitato».
Infine, siamo approdati nel mondo dell’automazione, della modellistica e della simulazione con Erica Salvato, Professoressa Associata presso l’Università degli Studi di Trieste e parte del gruppo di ricerca Control@UniTS. Il gruppo di Salvato è riuscito a trovare un nuovo modo per ottenere leggi di controllo a circuito chiuso, una particolare classe di leggi matematiche che caratterizzano il comportamento di vari sistemi, sotto forma di controller dinamici lineari. Come dice Salvato, «molti sistemi sono descritti da leggi lineari»; i risultati del suo gruppo potrebbero quindi rendere più semplice la descrizione dei sistemi caratterizzati da leggi di controllo a circuito chiuso.
In futuro, speriamo di ottenere molti altri risultati interessanti dal lavoro dei ricercatori e delle ricercatrici di iNEST!
Clicca qui per vedere la galleria fotografica dell’evento.
