Rome, Latium, Italy
Sono ingegnere e Assistant Professor presso Sapienza Università di Roma, nel Dipartimento di Ingegneria dell’Informazione, Elettronica e Telecomunicazioni, dove svolgo attività di ricerca e didattica nell’ambito dell’Intelligenza Artificiale, con particolare attenzione a Computational Intelligence, Machine Learning e Pattern Recognition. Ho conseguito il dottorato in Tecnologie dell’Informazione e delle Comunicazioni e ho svolto attività di dottorato e post-dottorato presso il Department of Computer Science della Toronto Metropolitan University, in Canada. La mia ricerca si concentra su due direttrici principali. La prima riguarda lo studio dei sistemi complessi applicato al Natural Language Processing e ai Large Language Models. Analizzo il linguaggio umano e artificiale alla luce della teoria della complessità, indagando il modo in cui analogia, inferenza logica e strutture gerarchiche possano essere rappresentate, apprese e interpretate da sistemi artificiali. In questo quadro mi occupo anche di Explainable AI e delle implicazioni filosofiche e cognitive dell’intelligenza artificiale. La seconda direttrice riguarda Smart Grids, manutenzione predittiva, energy management e Comunità Energetiche Rinnovabili. Sviluppo modelli per la previsione, l’ottimizzazione e il controllo dei flussi energetici, integrando sensori intelligenti, sistemi di accumulo e tecniche di Computational Intelligence, tra cui algoritmi evolutivi, swarm intelligence e logica fuzzy, con l’obiettivo di aumentare efficienza, resilienza e sostenibilità dei sistemi energetici. Sono co-founder di TensorLoops, startup innovativa spin-off Sapienza, dove contribuisco alla direzione scientifica e tecnologica di progetti di Intelligenza Artificiale applicata, con particolare attenzione a NLP, LLM e soluzioni per il settore energetico. Credo nel trasferimento tecnologico come passaggio essenziale tra ricerca e impatto reale. Per questo affianco all’attività accademica la progettazione di soluzioni applicative, la collaborazione con partner industriali e la divulgazione scientifica. Sono autore del libro «Umanità, complessità, intelligenza artificiale. Un connubio perfetto», pubblicato con Aracne, e sono interessato a collaborazioni di ricerca, innovazione e sviluppo ad alto contenuto scientifico e tecnologico.
Ricerca sia teorica che applicata al modellamento dei sistemi complessi tramite tecniche di Intelligenza Artificiale e Computational Intelligence. Analisi e Sistemi di Big Data analytics, Natural Language Processing e metodi modellamento ed ottimizzazione per le Smart Grids/Energy Communities - Energy Management Systems. Manutenzione predittiva nell'ambito Industry 4.0. Cyber-physical Systems: modellamento ibrido fisico-Machine Learning con applicazioni ai Battery Management Systems.
Gestione di progetti di Intelligenza Artificiale applicata. Messa in produzione di algoritmi e procedure intelligenti nel campo della gestione dell'energia (Energy Management Systems) e del Natural Language Processing (ambito Big Data). Project Management e consulenza tecnico-scientifica
Ricerca sia pratica che teorica nel campo dell'Intelligenza Artificiale, Computational Intelligence e modellamento dei Sistemi Complessi. Applicazioni al campo delle Smart Grids/microgrids, al modellamento del linguaggio naturale (NLP) e della manutenzione predittiva.
Conference held for the University Course of Improvement in: "SMART CITIES AND COMMUNITIES: PLANNING AND MANAGEMENT OF THE CITY ORIENTED TO WELL-BEING" at the Department of Astronautics, Electric and Energetic Engineering (DIAAE) at "Sapienza" University of Rome.
Trainer at Eurostat (European Commission) at Data Mining and Social Data Analysis Course. The course foresees both a Theoretical and a practical session, the last through the R language for statistical programming. The main topics consist in Data Mining, Machine Learning, Natural Language Processing and Text-mining applied to Social Media data. The theoretical background consists in Social data manipulation techniques and processing through basic graph theoretic and NLP methodologies. Moreover, the course deals with supervised and unsupervised learning techniques. Within the first class, classification algorithms are treated, such as Linear Classifiers, Support Vector Machines, Neural Networks and Bayesian Classifiers. Within the second the main approach to Clustering, such as partitional and hierarchical are explained. Specifically, application to text categorization and Sentiment Analysis are provided. As concerns the advanced techniques the Latent Semantic Analysis through the SVD decomposition and Topic Modelling through the Latent Dirichelet Allocation technique are shown. Working examples covering the main topics are provided through R scripts.