Principali tematiche di ricerca:
Trustworthy and Explainable AI
- Sistemi di Intelligenza Artificiale che operano in modo affidabile, trasparente ed etico, garantendo equità, responsabilità (accountability) e rispetto della privacy e dei diritti fondamentali. Sistemi AI ottenuti mediante modelli explainable-by-design e tecniche post-hoc per rendere interpretabile il processo decisionale.
- Analisi di dati complessi e supporto alle decisioni in domini sensibili basati sull’integrazione (combinata) di risultati provenienti da machine learning, deep learning, approcci neurosimbolici e AI agentica.
- Metodologie e tecniche intelligenti per problemi di sicurezza e privacy attraverso approcci affidabili e interpretabili. L’utilizzo di tecnologie come la sicurezza cyber-fisica (Physical Unclonable Functions) e Blockchain/DLT.
Deep Image Analysis
Tecniche di Intelligenza Artificiale, machine learning e computer vision, per elaborare, interpretare e ottimizzare immagini in diversi domini applicativi:
- Diagnostica medica (radiografie, risonanza magnetica, tomografia computerizzata).
- Analisi strutturale nel settore delle costruzioni (ispezioni visive automatizzate, termografia, aerofotografie).
- Sorveglianza e sicurezza (riconoscimento facciale, analisi video).
- Rilevamento di difetti industriali (controllo qualità nei processi produttivi).
- Remote sensing e analisi geospaziale (immagini satellitari, monitoraggio ambientale).
Agentic Multimodal Retrieval-augmented Reasoning and Generation
Integrazione di componenti modulari per la rappresentazione dei dati, l’indicizzazione semantica e il recupero di conoscenza attraverso modalità eterogenee, utilizzando un approccio di Intelligenza Artificiale agentica.
- Coordinamento adattivo: impiego di agenti di elaborazione autonomi per abilitare una sintesi informativa dinamica, interpretabile e orientata agli obiettivi.
- Generazione multimodale coerente e contestualmente ancorata tramite la fusione di rappresentazioni simboliche e subsimboliche all’interno di architetture computazionali estensibili.
Green and Sustainable AI
Sviluppo di metodologie per la riduzione dell’impatto energetico dei sistemi di AI attraverso modelli a bassa complessità, ottimizzazioni HPC e strategie di deployment sostenibile.
- Progettazione di architetture energy-aware tramite pruning, quantizzazione e NAS ottimizzato.
- Definizione di pipeline di training a ridotto consumo mediante tecniche di scheduling e parallelizzazione efficienti.
- Utilizzo di infrastrutture HPC con gestione dinamica dell’energia e allocazione intelligente delle risorse.
- Valutazione del carbon footprint dei modelli tramite metriche dedicate di energy-to-solution.
