Progetti

Il laboratorio ha all'attivo collaborazioni interne al Dipartimento di Informatica, e in particolare con i laboratori Anacleto e OPTLab. Le principali collaborazioni esterne riguardano i progetti seguenti.

AISMA AI for Superconducting MAgnets

AISMA è un gruppo di lavoro dei Dipartimenti di Informatica e Fisica dell'Università degli Studi di Milano, dei Laboratori Acceleratori e Superconduttività Applicata dell'Istituto Nazionale di Fisica Nucleare e del Dipartimento di Ingegneria Elettrica e delle Tecnologie dell'Informazione dell'Università Federico II. Le attività scientifiche di questo gruppo sono incentrate sull'uso di metodi di Machine Learning per progettare e implementare sistemi di rilevazioni di guasti nei materiali superconduttivi.

MIABC Metodi di Intelligenza Artificiale per i Beni Culturali

MIABC è un gruppo di lavoro congiunto dei Dipartimenti di Informatica e Fisica dell'Università degli Studi di Milano, che si dedica allo studio di tecniche di intelligenza artificiale per applicazioni nel campo dei Beni Culturali, con particolare enfasi alla classificazione di ritrovamenti archeologici in funzione della concentrazione dei relativi elementi chimici [Zanaboni et al., 2022; Ruschioni et al., 2023; Malchiodi et al., 2025].

ML4LM Machine Learning for Legal Medicine

ML4LM è un gruppo di ricerca dell'Università di Milano (Dipartmenti di Informatica, Scienze Biomediche per la Salute, Oncologia ed Emato-oncologia e Istituto di Medicina Legale) e dell'Università Vita-Salute San Raffaele. Le sue attività sono volte allo sviluppo di metologie di analisi per il contesto forense basate sull'uso di tecniche statistiche e di machine learning. Le sue attività scientifiche sono focalizzate sulla predizione del tipo di veicolo coinvolto in un investimento [Casali et al., 2021] e nella stima dell'altezza di caduta in incidenti mortali [Blandino et al., 2024].

μLearn Machine learning for fuzzy sets

μLearn è un gruppo di ricerca congiunto del Dipartimento di Informatica dell'Università degli Studi di Milano e del Dipartimento di Ingegneria Elettrica e Informatica dell'University of Alberta, il cui scopo è quello di progettare e implementare algoritmi di apprendimento automatico per l'induzione di funzioni di appartenenza a insiemy fuzzy [Malchiodi e Pedrycz, 2013]. Questi algoritmi sono stati applicati al contesto del Web semantico [Malchiodi e Tettamanzi, 2018] e della Bioinformatica [Frasca e Malchiodi, 2017; Frasca e Malchiodi, 2016], e sono stati estesi all'apprendimento simultaneo di più insiemi fuzzy [Cermenati et al., 2020] e agli shadowed set [Malchiodi e Zanaboni, 2019].

Possibilearn Machine learning for the Semantic Web

Possibilearn è un gruppo di ricerca del Dipartimento di Informatica dell'Università degli Studi di Milano, del Computer Science, Signals and Systems laboratory dell'Université Côte d'Azur e del National Institute for Research in Digital Science and Technology, volto a individuare assiomi all'interno di basi di conoscenza del Web Semantico usando insiemi fuzzy appresi [Malchiodi e Tettamanzi, 2018], regressione basata su metodi kernel [Malchiodi et al., 2018a] e tecniche di riduzione della dimensionalità [Malchiodi et al., 2020].