(Immagine Scuola Superiore Sant’Anna di Pisa)
La nostra routine quotidiana è permeata da sistemi interconnessi: le strade delle città, le reti di trasporto urbano e suburbano, i legami sui social network. Questi sono tutti esempi di “reti complesse”, strutture in cui vari elementi sono collegati tra loro in modi spesso difficili da analizzare. Comprendere il funzionamento di queste reti rappresenta una sfida essenziale per l’intelligenza artificiale. Una nuova ricerca pubblicata su IEEE Transactions on Knowledge and Data Engineering, una rivista di primo piano nell’ambito dell’Intelligenza Artificiale, presenta un approccio innovativo per assistere i sistemi di intelligenza artificiale nella rappresentazione e analisi delle reti complesse. Questa ricerca è il risultato 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 analizzare sistemi complessi
Oggi, molte informazioni sono rappresentate come reti (o grafi), dove nodi ed elementi sono interconnessi tramite relazioni. Per consentire agli algoritmi di intelligenza artificiale di elaborare questi dati, è necessario effettuare operazioni di network embedding, ovvero trasformare i dati strutturati in rappresentazioni numeriche compatte. I metodi tradizionali spesso si focalizzano solo sulla “distanza” tra gli elementi, trascurando un’informazione cruciale: il ruolo di ciascun nodo nella rete.
La ricerca propone un nuovo metodo di network embedding che è in grado di mantenere non solo la vicinanza tra i nodi, ma anche di identificare il ruolo strutturale all’interno del sistema.
Un ulteriore punto di forza del metodo è la scalabilità: questa tecnica è stata progettata per funzionare su reti di grandi dimensioni, con connessioni complesse e direzionali, garantendo tempi di calcolo significativamente ridotti rispetto alle soluzioni attuali.
Lo studio coinvolge un team di ricerca interdisciplinare che include Giuseppe Squillace, primo autore e ricercatore presso l’Università Paris Saclay, Francia, ex membro della Scuola IMT Alti Studi Lucca; Mirco Tribastone, professore ordinario presso la Scuola IMT; Max Tschaikowski, professore associato presso Sapienza, Roma, ex Aalborg University; e Andrea Vandin, professore associato presso l’Istituto di Economia e il Dipartimento di Eccellenza L’EMbeDS della Scuola Sant’Anna.
Come affermano gli autori, “questo lavoro dimostra quanto sia fondamentale preservare le relazioni strutturali tra le entità per migliorare gli embedding di rete, suggerendo un nuovo metodo per estrarre informazioni da dati complessi a beneficio delle tecniche di intelligenza artificiale e machine learning”.
Le possibili applicazioni
I test condotti all’interno dell’articolo mostrano come il nuovo metodo riesca a processare in modo estremamente efficiente reti di grandi dimensioni provenienti da diversi ambiti applicativi, tra cui reti di trasporto, sistemi biologici e social network.
I risultati sperimentali indicano chiaramente la superiorità dell’approccio rispetto allo stato dell’arte: gli embedding generati sono interpretabili, calcolati in tempi significativamente più brevi, e i modelli che li utilizzano raggiungono prestazioni superiori.
Fonte: Scuola Superiore Sant’Anna – Ufficio stampa
