L’Ing. Tommaso Zanotti, dottorando Unimore della scuola di dottorato in ICT – indirizzo Elettronica, afferente al Dipartimento di Ingegneria “Enzo Ferrari”, è stato premiato con il “Best Student Paper Award” per il miglior lavoro presentato alla conferenza internazionale International Integrated Reliability Workshop 2020 dell’Institute of Electrical and Electronics Engineers (IEEE), associazione internazionale di scienziati professionisti per la promozione delle scienze tecnologiche.
La commissione dell’annuale evento internazionale dell’IEEE ha manifestato particolare apprezzamento per il lavoro dell’Ing. Zanotti, che, sotto la supervisione del Prof. Francesco Maria Puglisi, è riuscito a dimostrare la superiorità delle performance di un’architettura innovativa di rete neurale binarizzata ideata nell’Ateneo di Modena e Reggio Emilia e basata su una tipologia emergente ed altamente innovativa di memoria elettronica.
Rispetto alle soluzioni commerciali attualmente disponibili sul mercato, l’architettura proposta dal dottorando di Unimore risulta essere almeno 100 volte più efficiente in termini di energia e tempo di esecuzione nell’eseguire un’operazione di riconoscimento di immagini. Sono ovvie le ricadute positive nei diversi settori applicativi: nell’automotive, per il riconoscimento dei pedoni nei veicoli a guida autonoma; nell’industria intelligente per il riconoscimento di prodotti difettosi o nella sicurezza nei sistemi di smart surveillance.
“È un risultato di notevole importanza – ha dichiarato il Prof. Francesco Maria Puglisi – che conferisce il giusto riconoscimento all’ottimo lavoro dell’Ing. Zanotti, e che rimarca la riconosciuta posizione del nostro gruppo di ricerca nel panorama internazionale. Nello specifico, i risultati del lavoro premiato mostrano come sia possibile già nell’immediato adottare tecnologie elettroniche emergenti in modo affidabile per progettare macchine di calcolo innovative, capaci di consumi bassissimi a fronte di prestazioni invidiabili in applicazioni di intelligenza artificiale dalle importanti ricadute industriali, quale il riconoscimento di immagini. Tipicamente, queste applicazioni vengono eseguite su macchine di calcolo tradizionali con lo svantaggio di un elevato consumo di potenza, il che ne impedisce l’utilizzo su oggetti come smartphones e dispositivi autonomi o alimentati a batteria. Questo lavoro rappresenta quindi un passo in avanti verso la vera rivoluzione dell’intelligenza artificiale pervasiva che sarà possibile grazie all’innovazione delle tecnologie elettroniche”.
