Due dottori di ricerca del Politecnico vincono il Caianiello's Best PhD Thesis Award 2026
Un importante riconoscimento internazionale premia l'eccellenza della ricerca sviluppata al Politecnico nel campo dell'intelligenza artificiale e delle reti neurali. Antonio Costantino Marceddu, ricercatore del Dipartimento di Automatica e Informatica-DAUIN, e Jonathan Melchiorre, che ha svolto il suo dottorato al Dipartimento di Ingegneria Strutturale, Edile e Geotecnica-DISEG, sono stati insigniti del Caianiello's Best PhD Thesis Award 2026, prestigioso premio assegnato dalla Società Italiana Reti Neuroniche (SIREN) alle migliori tesi di dottorato nel settore delle reti neurali e dell'intelligenza artificiale.
La cerimonia di premiazione si è svolta il 12 giugno 2026 a Vietri sul Mare (Salerno), nell'ambito della 34ª edizione del Workshop Italiano sulle Reti Neurali (WIRN 2026), uno dei principali appuntamenti scientifici nazionali dedicati alla ricerca nel campo delle reti neurali, del machine learning e dell'intelligenza artificiale.
Antonio Costantino Marceddu è stato premiato per la tesi "Multivariate Analysis in Research and Industrial Environments”, di cui supervisor è il professor Bartolomeo Montrucchio del Dipartimento di Automatica e Informatica-DAUIN, dedicata allo sviluppo di metodologie avanzate per l'analisi e l'interpretazione di grandi quantità di dati generatida sensori e sistemi digitali attraverso l'impiego combinato di analisi multivariata, visualizzazione dei dati, machine learning e reti neurali artificiali.
Il lavoro di ricerca, sviluppato nell'ambito del Dottorato in Ingegneria Informatica del Politecnico, esplora come le tecniche di intelligenza artificiale possano trasformare grandi quantità di dati in strumenti utili per comprendere fenomeni complessi e supportare decisioni in ambito scientifico e industriale.
Attraverso casi di studio, la tesi mostra le potenzialità dell'analisi avanzata dei dati in applicazioni concrete; tra queste figurano il monitoraggio di velivoli senza pilota mediante sensori innovativi installati sulle strutture aeronautiche e lo sviluppo di sistemi di riconoscimento automatico basati su immagini per verificare il corretto utilizzo dei dispositivi di protezione individuale.
La ricerca ha, inoltre, affrontato il tema dell'innovazione nella didattica, studiando sistemi capaci di valutare il livello di attenzione e coinvolgimento degli studentiattraverso l'analisi di espressioni facciali e segnali fisiologici rilevati da sensori non invasivi. Un ulteriore filone di lavoro è stato dedicato al settore energetico, con lo sviluppo di modelli basati su reti neurali per individuare tempestivamente anomalie nel funzionamento delle turbine eoliche e contribuire così a una gestione più efficiente e sostenibile degli impianti.
A vincere il primo premio è la tesi di Jonathan Melchiorre intitolata "Integrative Form Finding and AI-Driven Human-in-the-Loop Approach for Structural Optimization in Long-Span Architectural Design”, sviluppata sotto la supervisione dei professori Giuseppe Carlo Marano e Amedeo Manuello Bertetto presso il Dipartimento di Ingegneria Strutturale, Edile e Geotecnica-DISEG, e con la supervisione scientifica della professoressa Sigrid Adriaenssens presso Princeton University.
Lo studio esplora l'utilizzo dell'intelligenza artificiale per supportare la progettazione di grandi coperture architettoniche e si concentra sulle gridshell, strutture leggere a maglia reticolare che consentono di coprire grandi spazi utilizzando meno materiale e riducendo l'impatto ambientale delle costruzioni. Per supportarne la progettazione, la ricerca sviluppa metodi computazionali in grado di individuare forme strutturalmente efficienti attraverso tecniche di form finding, cioè procedure che permettono di definire la geometria di una struttura a partire dalle sue esigenze di stabilità, dall'uso dei materiali e dai vincoli costruttivi. Attraverso diversi casi studio, tra cui la copertura a gridshell del Dakar Islamic Cultural Center, il lavoro dimostra come l'integrazione di questi fattori fin dalle prime fasi progettuali possa migliorare le prestazioni strutturali, ridurre il consumo di risorse e rendere le soluzioni progettuali più efficaci e realizzabili.
Uno degli aspetti più originali della tesi è l'introduzione di un approccio Human-in-the-Loop basato sull'intelligenza artificiale, che mantiene il progettista al centro del processo decisionale e di ottimizzazione: l’obiettivo non è sostituire il progettista con un algoritmo, ma creare un processo collaborativo in cui l’intelligenza artificiale aiuta a interpretare le preferenze, le valutazioni visive e l’esperienza del progettista, traducendole in informazioni utili per guidare la ricerca di nuove soluzioni strutturali. In questo modo, l’ottimizzazione non è orientata soltanto alla prestazione tecnica, ma può tenere conto anche dell’intenzione architettonica, della creatività e del giudizio esperto umano.