Soluzioni


Partendo dalla nostra esperienza pluridecennale, abbiamo deciso di mettere sul mercato le nostre competenze con l’obiettivo di accelerare il business delle aziende e dei centri di ricerca.

Attività

 

  • Consulenza: forniamo ai nostri clienti servizi di business intelligence partendo dai dati in loro possesso e generando nuova conoscenza e nuovo valore;
  • Ricerca: supportiamo sia le aziende multinazionali che le PMI nella realizzazione e nell’impostazione di progetti di ricerca guidandole da un modello R&D a un modello C&D;
  • Prodotti: realizziamo software e li distribuiamo online nei paradigmi SaaS e DaaS.
Solution for Artificial Intelligence

Focus

Pattern Classification

Pattern Classification

In generale, ogni qualvolta cerchiamo di riconoscere un segnale ed estrarlo dal contesto nel quale è stato prodotto effettuiamo semplici processi cognitivi, che tuttavia risultano difficili per un computer programmabile. Distinguere un suono a seconda di cosa lo abbia generato, riconoscere un oggetto all’interno di una immagine, sono solo due esempi di cosa si intenda per Pattern Recognition. Assolvere a questi compiti può risultare difficile per un computer, innanzitutto perché queste informazioni sono codificate in migliaia, milioni di dati che vanno gestiti ed elaborati (spesso anche in breve tempo). Il Pattern Recognition è la scienza che si occupa di fare inferenza partendo da osservazioni e misure usando strumenti statistici e matematici, come il machine learning.

Feature Selection

Feature Selection

Una delle fasi più importanti in un qualsiasi processo di apprendimento e/o decisionale consiste nella determinazione di una serie di misure quantitative, dette features, che possano descrivere opportunamente il fenomeno di interesse. Solitamente i problemi più complessi di Pattern Recognition non hanno un modello teorico che fornisca a priori indicazioni quali sono le feature più adatte a descrivere i fenomeni di interesse. Pertanto, è importante estrarre le caratteristiche che possano, almeno in linea di principio, descrivere il sistema studiato. Poiché molto spesso la quantità di informazioni e dati disponibili sono enormi, un altro problema di grande interesse è quello di selezione delle caratteristiche. Troppe informazioni possono infatti precludere le capacità di riconoscere i pattern di interesse o richiedere risorse computazionali non sempre disponibili. In questi casi, ridurre la dimensionalità del dato con processi di feature selection diventa fondamentale.

Community Detection

Community Detection

L’applicazione delle reti ha portato significativi progressi nella comprensione dei sistemi complessi. Infatti esse rappresentano un tentativo di modellizzazione di un sistema complesso attraverso la teoria matematica dei grafi. Forniscono una serie di regole e misure quantitative per descrivere un sistema attraverso i suoi elementi fondamentali (nodi) e le relazioni fra di essi (link). I fenomeni rappresentabili attraverso le reti complesse possono essere sia naturali che artificiali, dai sistemi biologici, alle infrastrutture di comunicazione fino alle reti sociali. Data una rete è possibile individuare, attraverso una serie di regole e criteri, un sottoinsieme di nodi strettamente connessi fra di loro detto comunità. Tali comunità o cluster, possono essere considerati come compartimenti di un grafo abbastanza indipendenti. Rilevare le comunità all’interno delle reti è di grande importanza per risolvere particolari problemi o per comprendere le dinamiche ed il funzionamento del sistema stesso.

Time Series Analysis

Time Series Analysis

Le serie temporali nascono come registrazioni di processi che variano nel tempo. Una registrazione può essere una traccia continua o un insieme di osservazioni discrete.  Serie temporali sono per esempio indici di un titolo azionario in borsa oppure segnali elettroencefalografici. Lo studio delle serie temporali può portare a sviluppare modelli matematici più o meno complessi che spieghino il modello osservato al fine di effettuare previsioni sulla base delle osservazioni indicando anche l’incertezza associata alla previsione stessa. Sulla base del modello sviluppato e delle informazioni raccolte a volte è possibile intervenire sul processo in modo tale che i valori futuri vengano modificati per produrre risultati favorevoli.

Econofisica

Econophysics

L’applicazione delle tecniche tipiche della fisica (di analisi e di modellizzazione) all’ambito economico ha dato origine in tempi recenti ad una nuova branca della fisica, detta econofisica. In particolare, l’econofisica mira a studiare e rivelare la presenza di leggi quantitative e predittive in ambito economico. Soprattutto, le aree della Fisica in cui intervengono probabilità e statistica permettono di studiare sistemi complessi con strumenti che altre discipline non sarebbero in grado di mettere a disposizione. Sulla scia di queste osservazioni, a partire dagli anni ‘80 molti fisici hanno applicato, con successo, le loro conoscenze nel campo della complessità a problemi di carattere finanziario, di gestione del rischio o di ottimizzazione delle risorse, solo per citare alcuni esempi.

Anomaly Detection

Anomaly Detection

Una classe particolare di problemi inerenti il pattern recognition è la rivelazione dei cosiddetti eventi rari. Eventi, che proprio a causa della loro rarità, non possono essere trattati con tecniche standard. In anni recenti nuove metodologie sono state approntate non soltanto per riconoscere gli eventi rari, ma anche stimarne la probabilità intrinseca.

Quantum

Quantum

Le applicazioni della Fisica Quantistica sono variegate e spesso poco note al grande pubblico. I laser, i transistor, i dispositivi a semiconduttore (per fare qualche esempio) funzionano grazie alle peculiarità della fisica quantistica. Le nostre attività sono rivolte alle applicazioni più recenti della fisica quantistica, quali crittografia e computer quantistici, con soluzioni sorprendenti, che superano di gran lunga le prestazioni delle tecnologie esistenti.