PROGRAM

Gli oscillatori chimici rappresentano un valido modello per descrivere la comunicazione molecolare in network di cellule biologiche. Attraverso l’analisi numerica è possibile capire come tali network si auto-organizzano per dare comportamenti coerenti a livello globale e, di conseguenza, ottenere informazioni utili sul funzionamento di sistemi complessi di interesse biologico e biochimico (network metabolici, network neurali, etc.). Come caso di studio, saranno illustrate le caratteristiche di un sistema sperimentale basato su una rete di liposomi oscillanti, ottenuti con tecniche microfluidiche, in grado di scambiare messaggi chimici e rispondere a stimoli provenienti dall’ambiente esterno.

Negli ultimi anni si fa sempre più necessario analizzare dataset di grandi dimensioni in tempo utile, basti pensare agli algoritmi di Machine Learning o in generale a tutti i problemi su larga scala legati all’analisi di dati. Con lo sviluppo delle più recenti architetture di calcolo, l’High Performance Computing (HPC) si è dimostrato uno strumento fondamentale per migliorare le prestazioni dei più noti software numerici, le cui esigenze suggeriscono la scelta dell’hardware più adatto ad una risoluzione efficiente. La progettazione di un algoritmo parallelo parte dall’analisi del metodo numerico risolutivo sequenziale per individuare task indipendenti che possano essere processati concorrentemente seguendo una decomposizione funzionale, o in alternativa impiegando per ogni task una decomposizione del dominio per risolvere più sotto-problemi uguali contemporaneamente, ma riducendo al minimo la collezione dei risultati locali. In generale, si tratta di aggiungere un ulteriore passo di discretizzazione, al metodo già discretizzato, eventualmente combinando la decomposizione funzionale con la decomposizione del dominio. Questo intervento mira ad illustrare l’idea alla base della progettazione delle strategie di parallelizzazione e si propone di suggerire gli strumenti più efficienti disponibili per implementarle su architetture HPC, al fine di produrre framework veloci, affidabili ed automatici, per la risoluzione di problemi numerici in ambienti di calcolo eterogenei ad alte prestazioni, quali multiprocessore e multi/many core con GPU.

In questo talk presenteremo alcuni modelli differenziali per lo studio dei processi di corrosione di monumenti in pietra. Lo sviluppo di metodi numerici efficienti ed accurati è di fondamentale importanza al fine di prevedere i danni ed agevolare la manutenzione preventiva.

Federated learning has been increasingly studied to cope with the scalability and privacy issues characterizing current and upcoming large-scale infrastructures, such as the Internet of Things, 5G networks, vehicular applications, and so on. This approach partitions the data storage and AI model training in a series of local learners, whose results are aggregated by a central server and then redistributed back to the learners to further evolve a global model. However, despite avoiding outsourcing sensitive data to cloud-hosted services and fragmenting the workload for data processing, such a decentralized learning approach lays the overall solution open to various kinds of attacks, able to fully compromise the accuracy of the obtained global model. A recent line of research consists of dealing with such an issue by exploiting blockchain to protect communications and preserving the tamper-resistance of the model parameters during distributed learning. This talk will present the existing literature on the topic and foster possible research opportunities.

Le catene di approvvigionamento sono un sistema molto complesso e la loro corretta ed efficiente gestione rappresenta una sfida fondamentale, in cui le istanze pratiche del mondo aziendale possono trovare risposte insieme alle competenze avanzate del mondo accademico. Questo seminario si colloca esattamente in questo ambito. In particolare, a partire da un progetto dell'azienda Code Architects, illustreremo come sia possibile effettuare previsioni sulle richieste e sui ritardi nelle spedizioni con strumenti di machine learning.

La realtà moderna è caratterizzata da una componente tecnologica orientata a fornire servizi intelligenti e pervasivi. Attraverso gli smartphone, le persone sono sempre connesse a Internet, accedendo e scambiando notevoli informazioni. Anche gli ambienti e i servizi sono gestiti, talvolta in modo autonomo, attraverso sistemi tecnologici e pervasivi. Un paradigma fondamentale che contribuisce alla generazione di questi scenari è l'Internet of Things (IoT). L'IoT si riferisce al concetto per cui gli oggetti o "dispositivi" sono connessi e in grado di scambiare informazioni tra loro e con gli esseri umani. Molti sono i campi applicativi di tale paradigma, uno di questi può essere quello dei Beni Culturali. In tale scenario, infatti, è possibile introdurre un nuovi approcci per migliorare sia la fruizione che la protezione di beni culturali. Mediante i sensori è possibile raccogliere informazioni utili, che alimentano modelli digitali in grado di riprodurre e quindi prevedere le dinamiche associate al deterioramento o alle interazioni dei visitatori con il patrimonio culturale.

The talk addresses the changing world of security systems, and the possible approaches to their improvement through the usage of Artificial Intelligence and Machine Learning-based techniques. Although many security aspects are addressed, the talk will be focused on addressing networking security issues. The concept of 'Networking Cognitive Security' is mainly explored from three different perspectives and implementation levels, namely:

1. Network-level, by considering only data flowing in a network in order to perform Traffic Classification and Anomaly Detection;

2. Application-level, by modeling the behavior of apps in order to detect suspect behaviors;

3. Social-level, by modeling the behavior of entities involved in social communities in order to detect unfair users of social networks.

For each of these levels, theoretical aspects and implementation details will be shown. In particular, solutions based on Deep Neural Network architectures and ad-hoc intelligent algorithms will be presented. Particular attention will be given to the inner behavior of Deep Neural Networks. In this regard, a formal mathematical exploration of inner processes behind neural network architectures will be shown in order to provide a useful understanding of how each neural component affects network performance. This allows improving the skill of a neural network designer to provide improvements in reliability and performance of security systems. These aspects will be presented with reference to many security systems developed in our research group making use of Convolutional Neural Networks, Recurrent Neural Networks, Autoencoders, and their combinations as well as specific algorithms also based on evolutionary approaches to solve constrained optimization problems, and more.

L'interazione tra individui di una popolazione, così come le relazioni sociali fra esseri umani, la creazione di nuovi rapporti di amicizia e professionali, costituiscono, oggi giorno, un argomento di spiccata attenzione nella letteratura scientifica, e lo studio matematico delle dinamiche che descrivono la loro evoluzione temporale cattura sempre più interesse nella comunità scientifica. In questo intervento, si vuole mostrare come è possibile modellare matematicamente una rete di individui, regolata dalla seguente assunzione: se l'individuo A è in relazione con l'individuo B e quest'ultimo lo è anche con l'individuo C, allora, nel tempo futuro, gli individui A e C sono più propensi ad entrare in relazione. Tale principio è noto con il termine di Chiusura Triadica.

Inoltre, verranno accennate proprietà di stabilità di queste reti tramite costruzione di modelli stocastici approssimanti. Questo intervento si basa su un lavoro in collaborazione con Desmond J. Higham e Kostantinos C. Zygalakis (Università di Edimburgo).