TERAMO – Lo sviluppo di modelli di apprendimento automatico in grado di prevedere le proprietà di molecole e materiali invisibili e ancora da scoprire è pronto a svolgere un ruolo fondamentale nell’affrontare le grandi sfide dell’umanità. La NYU Arts &Science sarà in prima linea in questo impegno attraverso il lavoro di Stefano Martiniani e del team da lui guidato, che ha recentemente ricevuto una sovvenzione di 4,5 milioni di dollari dalla National Science Foundation.
«I modelli di apprendimento automatico su larga scala utilizzati su compiti linguistici e visivi hanno ottenuto risultati spettacolari – ha osservato Martiniani – Concentrandosi sui materiali e sulla scoperta molecolare, il nostro progetto avrà un impatto drammatico sulla ricerca scientifica e sullo sviluppo di materiali per affrontare le sfide sociali come la conversione dell’energia pulita e lo stoccaggio dell’energia, la cattura del carbonio, la purificazione dell’acqua, la somministrazione di farmaci e materiali avanzati per la tecnologia quantistica e aerospaziale».
L’apprendimento automatico (ML) rientra nella categoria più ampia dell’intelligenza artificiale. Utilizzando algoritmi, le macchine imparano dai dati senza l’esplicito intervento umano. Il team di Martiniani utilizzerà un paradigma computazionale emergente noto come “modelli di fondazione” (gli esempi includono ChatGPT e DALL-E) che “addestra” il modello su quantità estremamente grandi di dati diversi e facilmente disponibili.
Grandi quantità di dati richiedono un’infrastruttura “informatica” e per questo il team sfrutterà ed espanderà ColabFit Exchange, il database sviluppato con una precedente sovvenzione NSF. ColabFit Exchange è il primo e il più grande database pubblico nel suo genere, specializzato in dati per i potenziali interatomici del machine learning. Per dimostrare l’importanza della sovvenzione, il leader della maggioranza al Senato americano Chuck Schumer e la senatrice americana Kirsten Gillibrand hanno acclamato il premio in un comunicato stampa congiunto. «Sono orgoglioso di sostenere questo finanziamento federale alla New York University, uno dei principali istituti di ricerca del nostro paese, per sviluppare modelli di apprendimento automatico», ha affermato il senatore Schumer. «Il progetto della NYU garantirà cheNew York, e il Paese, rimangano all’avanguardia nello sviluppo di nuove tecnologie,come l’apprendimento automatico, a beneficio della ricerca scientifica, delprogresso educativo e dello sviluppo economico».
In qualità di investigatore principale, Stefano Martiniani guida un team di scienziati che rappresentano tre università e un partner industriale. Il team comprende i co-investigatori Ellad Tadmor (Dipartimento di ingegneria aerospaziale e meccanica,Università del Minnesota), George Karypis (Dipartimento di informatica, Universitàdel Minnesota), Adrian Roitberg (Dipartimento di chimica, Università della Florida),Minjie Liu (Dipartimento di Chimica, Università della Florida), Richard Hennig(Dipartimento di Scienza e Ingegneria dei Materiali, Università della Florida), MarkTranstrum (Dipartimento di Fisica, Brigham Young University) e Huzefa Rangwala(Amazon Web Services). Stefano Martiniani ha conseguito il B.Sc.
dall’Imperial College di Londra nel 2012,seguito da un M.Phil. in Informatica Scientifica (2013) e Ph.D. in Chimica presso l’Università di Cambridge nel 2017. Ha trascorso due anni come associato post-dottorato presso il Center for Soft Matter Research, Dipartimento di Fisica presso la NYU Arts & Science, e successivamente è entrato a far parte dell’Università del Minnesota come professore assistente di ingegneria chimica e Scienza dei materiali(2019-2021). Nel 2022 è tornato alla NYU Arts & Science come professore assistente di fisica, chimica e matematica. Martiniani ha ricevuto numerosi premi, tra cui la Simons Foundation Faculty Fellowship, la borsa di studio Gates Cambridge e un Outstanding Thesis Prize dell’Università di Cambridge. Questo mese, l’Unione Internazionale di Fisica Pura e Applicata ha assegnato a Martiniani il Premio Interdisciplinare per lo Scienziato alla Carriera, per «i contributi innovativi alla comprensione della meccanica statistica dei sistemi attivi e amorfi attraverso lo sviluppo di approcci unici e originali per quantificare l’ordine e l’entropia di produzione in sistemi lontani dall’equilibrio, tra cui la materia granulare e attiva, le reti neurali e i sistemibiologici».