About Me
I am an M.Sc. student in Applied Mathematics for Artificial Intelligence at Sapienza University of Rome and a student researcher developing machine learning methods for scientific applications.
My work focuses on explainable AI and deep learning.
Current Work
At Sapienza University of Rome, Department of Earth Science, I apply explainable machine learning to earthquake dynamics, with particular attention to interpretable models of fault-stress evolution during the seismic cycle.
Research Interests
My research interests include explainable AI, deep learning, scientific machine learning, statistical inference, optimization, numerical methods, signal processing, model quantization, embedded AI, and resource-constrained machine learning.
Outside research, I enjoy basketball, graphic design, and content creation.
Sono uno studente magistrale in Matematica Applicata per l’Intelligenza Artificiale presso Sapienza Università di Roma e uno studente ricercatore impegnato nello sviluppo di metodi di machine learning per applicazioni scientifiche.
Il mio lavoro si concentra sull’intelligenza artificiale spiegabile e sul deep learning.
Attività attuale
Presso il Dipartimento di Scienze della Terra di Sapienza Università di Roma applico il machine learning spiegabile alla dinamica dei terremoti, con particolare attenzione a modelli interpretabili dell’evoluzione dello stress sulle faglie durante il ciclo sismico.
Interessi di ricerca
I miei interessi di ricerca includono intelligenza artificiale spiegabile, deep learning, machine learning scientifico, inferenza statistica, ottimizzazione, metodi numerici, elaborazione dei segnali, quantizzazione dei modelli, intelligenza artificiale embedded e machine learning con risorse limitate.
Al di fuori della ricerca mi interessano la pallacanestro, il design grafico e la creazione di contenuti.
Featured content
- Codenames LLM Showdown: A Dive into the Early Days of Prompt Engineering and Agentic AI Codenames LLM Showdown: un viaggio agli inizi del prompt engineering e dell'intelligenza artificiale agentica
LLM agents play Codenames through prompts, roles, and strategic collaboration.
Agenti basati su LLM giocano a Codenames attraverso prompt, ruoli e collaborazione strategica.
-
A neural cellular automaton that grows Klimt's The Kiss from a single cell.
Un automa cellulare neurale che fa crescere Il bacio di Klimt a partire da una singola cellula.
- Station-Level and Network-Wide SHAP Explanation of CNN Models for Seismic Cycle Monitoring: Evidence from Norcia 2016 Spiegazione SHAP a livello di stazione e di rete per modelli CNN destinati al monitoraggio del ciclo sismico: evidenze da Norcia 2016
CNNs classify foreshocks and aftershocks with high accuracy, while SHAP reveals that station-specific effects strongly influence model interpretability.
Le CNN classificano foreshock e aftershock con grande accuratezza, mentre SHAP mostra che gli effetti specifici delle stazioni influenzano fortemente l'interpretabilità del modello.