Sostenibilità ambientale, premiata la tesi di David Moe

«Per affrontare le trasformazioni industriali connesse alle sfide dell’energia e del clima, o all'evoluzione demografica e sociale, servono strumenti fondati su solide evidenze scientifiche. Promuovere la sostenibilità, consolidando il nostro modello economico e sociale e accrescendone anzi la competitività e l’attrattività impone un dialogo tra discipline, come quello che è posto a fondamento di questo premio»: così Stefano Pareglio, professore ordinario di Economia applicata dell’Università Cattolica.

Qualche numero. Hanno aderito al bando 1.699 studentesse e studenti (1.034 donne, 665 uomini) provenienti da oltre 80 università in tutta Italia. Di questi 203 sono laureati dell’Università Cattolica, che è l’Ateneo con più candidature presentate in rapporto agli iscritti.

Alla cerimonia di premiazione avvenuta martedì 29 settembre presso il Campus Luiss di Roma era presente anche David Moe che ci ha spiegato come è nato il suo lavoro di tesi dal titolo Conformal Prediction-based Active Learning for Efficient PEMS Development. Un elaborato che già dal titolo lascia intuire la prospettiva su cui si è mosso lo studente nato a Oslo da madre italiana e padre norvegese, ma cresciuto a Firenze dove dopo il liceo ha studiato statistica per poi concludere il suo percorso di studi alla Facoltà di Scienze matematiche, fisiche e naturali del campus di Brescia.

«A cavallo della laurea ho avuto l’opportunità di lavorare collaborando per circa un anno con due team di Baker Hughes, esperienza che è stata importante per avvicinarmi concretamente all’applicazione della data science e della statistica in ambito industriale. Da questa esperienza poi è nata anche la mia tesi, svolta sotto la supervisione di colleghi in azienda e del professor Daniela Tessera, un progetto di ricerca dedicato allo sviluppo di un sistema di monitoraggio predittivo delle emissioni (PEMS) delle turbine a gas. Questi sensori sono strumenti che sono legalmente richiesti e severamente controllati da istituzioni come l’EPA americana e l’Unione europea. In particolare, ho combinato concetti di machine learning assieme a qualche trucchetto matematico per sviluppare un sensore virtuale capace di capire quando le proprie previsioni sono sufficientemente affidabili e quando, invece, è necessario utilizzare nuovi dati (e quali) per ricalibrarsi autonomamente. L’idea era quindi di rendere il sistema adattivo, ma anche sostenibile nel senso più concreto del termine: utilizzare soltanto i dati realmente informativi e ricalibrare il modello surrogato soltanto quando necessario, evitando così un utilizzo superfluo di dati e risorse computazionali».

È un aspetto questo che oggi possiamo associare al concetto di Green AI: non soltanto utilizzare l’intelligenza artificiale per affrontare problemi di sostenibilità, ma soprattutto cercare di rendere più efficiente e sostenibile l’AI stessa. Oggi David lavora come Data Scientist nella R&D Materials di Brembo SGL Carbon Ceramic Brakes al Kilometro Rosso di Bergamo, dove si occupa di applicazioni di data science legate allo sviluppo di freni per supercar e auto ad alte prestazioni. «Anche in questo contesto c’è una forte attenzione alla sostenibilità: in processi produttivi così complessi e con requisiti qualitativi molto elevati, si cerca di limitare gli scarti e, dove possibile, anche recuperare e riciclare materiali e componenti».

L’iniziativa “Dieci tesi per la sostenibilità” ha il patrocinio del Ministero dell’Università e della Ricerca, della Conferenza dei Rettori (Crui), la collaborazione del Consorzio Interuniversitario AlmaLaurea, della Rete dell’Università per lo Sviluppo sostenibile (RUS) e del Consorzio Interuniversitario nazionale per la Scienza e la Tecnologia dei Materiali (Instm) e altre 26 università.