La sera del 15 aprile si è svolto l’incontro con due dei cinque dottorandi che hanno ottenuto una borsa di studio per svolgere il proprio PhD presso il collegio Lamaro Pozzani. Gli interventi hanno visto una presentazione dei risultati finora ottenuti e delle prospettive future dei percorsi di ricerca.
L’incontro è stato avviato dall’ esposizione di Hedi Khannous, dottorando presso l’Università di Tor Vergata in collaborazione con Enel Global Trading Spa. Il progetto che è stato presentato è incentrato sull’applicazione dei percorsi multidimensionali nell’analisi dei dati sequenziali. È stata descritta l’interazione tra analisi dei dati, previsione e valutazione, con particolare enfasi sull’addestramento del modello, la sua validazione e l’aggiornamento continuo, al fine di facilitare l’estrazione di informazioni e migliorare l’efficienza computazionale. È stato anche aperto un interessante scorcio sull’applicazione di questi risultati nella previsione dei prezzi. In questa attività, infatti, è primariamente necessario analizzare i dati storici per comprendere la stagionalità, le tendenze e la stazionarietà. Successivamente si sceglie un modello di previsione appropriato a seconda delle caratteristiche del gruppo di dati. Quindi, si procede all’addestramento del modello scelto, se necessario ottimizzando gli iperparametri. Infine, il modello viene implementato per la previsione in tempo reale, monitorando regolarmente le sue prestazioni e aggiornandolo. Questo processo iterativo permette il miglioramento continuo del programma e conferma l’importanza della qualità dei dati e della valutazione del modello per una previsione accurata dei prezzi.
Il secondo intervento è stato invece tenuto da Paulo Duarte Mourão, dottorando presso l’Università La Sapienza. La presentazione ha preso avvio considerando in primo luogo la complessità dei neuroni, unità fondamentali dei sistemi nervosi, capaci di trasmettere segnali elettrici ad altre cellule, per poi introdurre l’uso delle reti neurali artificiali per modellare questa trasmissione. Le cosiddette reti feedforward sono state individuate come la forma più semplice di organizzazione, con i neuroni disposti in strati successivi e l’informazione trasmessa in modo unidirezionale. Successivamente sono state analizzate varie architetture di reti neurali, tra cui i transformer, noti per la loro capacità di adattarsi a diverse attività. È stata anche evidenziata l’importanza delle reti neurali ricorrenti, come Hopfield Network, che si estende su diversi campi di ricerca e funge da esempio di sistema di memoria associativa. Interessanti analogie sono inoltre emerse tra le reti neurali e i fenomeni osservati in fisica teorica, in particolare quelli riguardanti il fenomeno dello spin degli elettroni e il ferromagnetismo. È quindi stata esplorata anche la possibilità di utilizzare gli spin, disposti in configurazioni specifiche, per memorizzare informazioni, considerando anche la necessità di sviluppare meccanismi per eliminare memorie indesiderate. Infine, Mourão ha proposto di paragonare i processi di memorizzazione neurale ai fenomeni osservati nel sonno, evidenziando la stretta relazione tra sonno e consolidamento della memoria. Questa connessione ha infatti suggerito che il sonno potesse ottimizzare il processo di memorizzazione, mentre invece lo stato di veglia sarebbe più adatto all’acquisizione di nuove informazioni. Complessivamente, quindi, l’intervento ha offerto una panoramica approfondita delle reti neurali, esplorando le loro applicazioni in diversi contesti e sottolineando la loro rilevanza nel comprendere i meccanismi di memorizzazione e apprendimento sia nel cervello umano che nei modelli artificiali.
Stefania Martone