Da
una collaborazione tra Scuola Superiore Sant’Anna di Pisa, Scuola IMT
Alti Studi Lucca e Aalborg University, nasce un metodo innovativo per
migliorare modelli di AI per
l’analisi di dati e sistemi complessi
Intelligenza artificiale: nuove frontiere per l’analisi e la comprensione delle reti complesse
Lucca, 14 maggio 2026 - La
nostra vita quotidiana è immersa in sistemi fatti di connessioni:
le strade di una città, le linee di trasporto urbano e suburbano, le
relazioni sui social network. Tutti questi sistemi sono esempi di “reti complesse”: strutture in cui elementi
diversi sono collegati tra loro in modi spesso difficili da analizzare. Capire come funzionano queste reti è una sfida cruciale per l’intelligenza artificiale. Una nuova ricerca pubblicata su
IEEE
Transactions on Knowledge and Data Engineering,
una delle riviste di riferimento internazionale in Intelligenza
Artificiale, propone un
approccio innovativo per aiutare i sistemi di intelligenza artificiale a
rappresentare e analizzare le reti complesse. La ricerca è frutto di
una collaborazione tra
Scuola Superiore Sant’Anna di Pisa, Scuola IMT Alti Studi Lucca e
Aalborg University.
Un nuovo metodo di network embedding per comprendere sistemi complessi
Oggi,
molte informazioni sono descritte come reti (o grafi), in cui nodi ed
elementi sono collegati tra loro da relazioni. Per permettere agli
algoritmi di intelligenza artificiale di elaborare questi dati, sono
necessarie
operazioni di network embedding, la trasformazione dei dati
strutturati in rappresentazioni numeriche compatte. Il limite dei metodi
tradizionali è che spesso si concentrano solo sulla
“distanza” tra elementi, perdendo un’informazione fondamentale: il ruolo che ciascun nodo ricopre nella rete.
Lo
studio propone un nuovo metodo di network embedding in grado di
preservare non solo la vicinanza tra i nodi ma anche di riconoscere il
ruolo strutturale all’interno del sistema. Un altro punto di forza del metodo è la scalabilità: la tecnica è progettata per funzionare su reti molto grandi, anche con connessioni complesse e direzionali, mantenendo
tempi di calcolo significativamente ridotti rispetto alle soluzioni esistenti.
Lo studio coinvolge un gruppo interdisciplinare di ricerca che comprende
Giuseppe Squillace, primo autore e ricercatore presso l’Università Paris Saclay, Francia precedentemente alla Scuola IMT Alti Studi Lucca;
Mirco Tribastone, professore ordinario presso la Scuola IMT; Max Tschaikowski, professore associato presso Sapienza, Roma, precedentemente a Aalborg University; e
Andrea Vandin, professore associato presso l’Istituto di Economia e il Dipartimento di Eccellenza L’EMbeDS della Scuola Sant’Anna. Secondo
gli autori, “questo lavoro mostra come preservare le relazioni
strutturali tra entità sia cruciale per migliorare i network embeddings,
proponendo un nuovo modo di estrarre informazione da dati complessi a
beneficio
delle tecniche di intelligenza artificiale e machine learning”.
Le possibili applicazioni
Gli
esperimenti contenuti nell’articolo dimostrano come il nuovo metodo
consente di elaborare in modo estremamente efficiente reti di grandi
dimensioni appartenenti a molteplici domini applicativi, tra cui reti di
trasporto,
sistemi biologici e social networks. I
risultati sperimentali evidenziano con chiarezza la superiorità
dell’approccio rispetto allo stato dell’arte: gli embedding generati
sono interpretabili, vengono calcolati in tempi significativamente
inferiori, e i modelli
che li usano raggiungono prestazioni migliori.
Estratto da www.lavocedilucca.it/post/24694/universit---intelligenza-artificiale--nuove-frontiere-per-l---analisi-e-la-comprensione-delle-reti-complesse.php
