Imaging computazionale e apprendimento da esempi, conferenza di Luca Calatroni

All'Accademia Ligure di Scienze e Lettere - Sala Conferenze, Palazzo Ducale - giovedì 3 aprile 2025 alle ore 17, Luca Calatroni - Università di Genova, MaLGa - tiene una conferenza dal titolo Imaging computazionale e apprendimento da esempi. L'incontro si svolge in presenza con la disponibilità di settanta posti. È possibile seguire la conferenza in diretta via YouTube.

L'imaging computazionale rappresenta oggi un ponte essenziale tra il mondo fisico e quello digitale, permettendo di rivelare informazioni nascoste attraverso l'elaborazione dei dati e l'interpretazione algoritmica. Questa presentazione esplora come questa disciplina stia rivoluzionando la nostra capacità di analizzare immagini in diversi contesti: dalla microscopia a fluorescenza, dove algoritmi avanzati permettono l'osservazione di strutture cellulari e molecolari ad alta risoluzione; al restauro digitale di affreschi e manoscritti miniati, dove tecniche analoghe recuperano dettagli artistici degradati dal tempo; fino all'interpretazione computazionale delle illusioni ottiche, che ci offre preziose intuizioni sul funzionamento della percezione visiva umana e artificiale. Attraverso questi esempi interdisciplinari, è illustrato come recenti approcci basati sull'apprendimento da esempi stiano trasformando la nostra comprensione del mondo visivo a diverse scale, aprendo nuove prospettive di ricerca volte a combinare la conoscenza fisica del problema in esame a tecniche avanzate di intelligenza artificiale, al fine di ottenere al tempo stesso risultati sempre migliori, ma che conservino interpretabilità e garanzie teoriche.

Luca Calatroni (PhD in Matematica Applicata, University of Cambridge) è professore associato al dipartimento di informatica, bioingegneria, robotica e ingegneria dei sistemi (DIBRIS). Precedentemente, è stato lecteur Hadamard presso l'École Polytechnique di Palaiseau (2017-2019) ricercatore CNRS presso il laboratorio di Informatica di Sophia-Antipolis (2019-2024), Francia. La sua ricerca è incentrata sulla modellizzazione e il design algoritmico di problemi inversi di imaging in combinazione a tecniche di machine/deep learning, con un focus particolare sulle applicazioni all'imaging biomedicale. È stato coordinatore di progetti nazionali e internazionali, tra cui, a partire da Novembre 2024, un ERC Starting Grant sullo sviluppo di tecniche di ricostruzione di immagini basate sull'interazione tra fisica e apprendimento da esempi.