Il Laboratorio di Intelligenza Computazionale è dedicato alle attività di ricerca sui metodi dell’intelligenza computazionale e dell’analisi dei sistemi complessi, con particolare attenzione alle tecniche di Machine Learning, Granular Computing, Pattern Recognition e Quantum Computing. Le attività del laboratorio si sviluppano all’interno del Dipartimento di Ingegneria dell’Informazione, Elettronica e Telecomunicazioni della Sapienza Università di Roma, e riflettono una tradizione di ricerca che risale ai contributi pionieristici formulati dagli studiosi che, fin dagli anni Ottanta, hanno introdotto nel contesto italiano approcci neurali, fuzzy ed evolutivi applicati a problemi ingegneristici ad alta complessità.
L’infrastruttura del laboratorio è costituita da workstation e server ad alte prestazioni equipaggiati con GPU e sistemi multi-core di ultima generazione. Questi strumenti consentono lo sviluppo e la sperimentazione di algoritmi di apprendimento automatico intensivi, la modellizzazione di sistemi non lineari, l’elaborazione di grandi quantità di dati eterogenei e l’implementazione di tecniche di calcolo parallelo su larga scala. Tali risorse rendono possibile affrontare problemi di ricerca che richiedono capacità computazionali elevate, come la simulazione di sistemi complessi, il training di reti neurali profonde, l’analisi multifrattale di segnali e testi, le simulazioni intensive di circuiti quantistici e lo studio di modelli di previsione avanzati.
Le linee di ricerca del laboratorio includono lo sviluppo di modelli data-driven per Smart Grids e microreti energetiche, il controllo intelligente dei flussi di potenza, lo studio dell’invecchiamento e della diagnostica avanzata di sistemi di accumulo energetico, l’analisi e la classificazione di dati non convenzionali, l’elaborazione del linguaggio naturale e la generazione automatica di testi. A queste attività si affianca lo sviluppo di algoritmi per domini complessi, con particolare attenzione a spazi non Euclidei, dissimilarità personalizzate e metodi agent-based per il clustering evolutivo. Il laboratorio promuove inoltre un approccio interdisciplinare aperto alle connessioni tra informatica, ingegneria, scienze dei dati e modellazione dei sistemi adattivi.
Oltre alla ricerca, il Laboratorio di Intelligenza Computazionale svolge un ruolo significativo nella formazione avanzata, come luogo di incontro per tesisti e dottorandi. Il laboratorio offre supporto a tesi sperimentali, progetti interdisciplinari e iniziative che coinvolgono studenti interessati alle più recenti metodologie dell’intelligenza artificiale e del calcolo scientifico. L’obiettivo complessivo è consolidare una comunità di ricerca capace di coniugare rigore teorico, innovazione metodologica e applicazioni ingegneristiche di alto impatto.
Strumentazione hardware
WS «Andromeda» con processore AMD EPYC 9754 @ 2,25 GHz a 128 core / 256 thread, 768 GB di RAM e 4 GPU NVIDIA RTX 6000 Ada da 48 GB ciascuna.
WS «Sagittarius» con processore AMD EPYC 9754 @ 2,25 GHz a 128 core / 256 thread, 768 GB di RAM e 4 GPU NVIDIA RTX 6000 Ada da 48 GB ciascuna.
WS «Maia» con processore Intel Core i9-14900K a 16 core / 32 thread, 128 GB di RAM e una GPU NVIDIA GeForce RTX 4090 da 24 GB.
WS «Cassiopea» con processore Intel Core i9-14900K @ 3,20 GHz a 24 core / 32 thread, 128 GB di RAM e una GPU NVIDIA RTX 6000 Ada da 48 GB.
WS «Threadripper – Sistema 1» con processore AMD Threadripper a 32 core, 125 GB di RAM e una GPU NVIDIA GeForce RTX 4090 da 24 GB.
WS «Threadripper – Sistema 2» con processore AMD Threadripper 3960X @ 3,79 GHz a 24 core / 48 thread, 128 GB di RAM e 2 GPU NVIDIA GeForce RTX 2080 Ti da 11 GB ciascuna.
WS «Orion» con processore AMD Threadripper 3970X @ 3,69 GHz a 32 core / 64 thread, 128 GB di RAM e una GPU NVIDIA GeForce RTX 3080.
WS «Endor» con processore AMD Threadripper 3970X @ 3,69 GHz a 32 core / 64 thread, 128 GB di RAM e una GPU NVIDIA GeForce RTX 3080 Ti.
WS «Earendel» con processore Intel Core i9-12900K @ 3,19 GHz a 16 core / 24 thread, 128 GB di RAM e una GPU NVIDIA GeForce RTX 3090.
WS «Alcyone» con processore Intel Core i9-12900K @ 3,19 GHz a 16 core / 24 thread, 128 GB di RAM e una GPU NVIDIA GeForce RTX 3090.
WS «Xeon Gold – Sistema 2» con processore Intel Xeon Gold 5120 @ 2,20 GHz in configurazione dual-processor per un totale di 56 core, 187 GB di RAM e acceleratore Attila FPGA.
WS «Xeon E5 – Sistema 1» con processore Intel Xeon E5-2620 v3 @ 2,40 GHz in configurazione dual-processor, 64 GB di RAM e acceleratore Intel Xeon Phi.
WS «Xeon E5 – Sistema 2» con processore Intel Xeon E5-2630 in configurazione dual-processor, 64 GB di RAM e una GPU NVIDIA Titan X da 12 GB.
WS «Intel i9 Workstation» con processore Intel Core i9-9940X @ 3,30 GHz a 28 core, 128 GB di RAM e una GPU NVIDIA GTX 2080 Ti da 11 GB.
WS AMD Ryzen 9 9950X a 16 core, 128 GB di RAM e una GPU NVIDIA GeForce RTX 5080.
WS AMD Ryzen 7 7700 a 8 core, 32 GB di RAM e una GPU NVIDIA GeForce RTX 4080 SUPER.
Inoltre, sono presenti attrezzature di laboratorio per attività di analisi e sviluppo di circuiti elettronici (oscilloscopi, generatori di segnale, strumentazione di misura elettrica, saldatori e strumenti per l’assemblaggio di componentistica elettronica).
[ENG]
The Computational Intelligence Laboratory is devoted to research activities on computational intelligence methods and the analysis of complex systems, with a particular focus on Machine Learning, Granular Computing, Pattern Recognition, and Quantum Computing techniques. The laboratory operates within the Department of Information Engineering, Electronics and Telecommunications at Sapienza University of Rome, and reflects a research tradition dating back to the pioneering contributions of scholars who, since the 1980s, have introduced neural, fuzzy, and evolutionary approaches into the Italian engineering landscape to tackle highly complex problems.
The laboratory infrastructure consists of high-performance workstations and servers equipped with state-of-the-art GPUs and multi-core systems. These resources support the development and experimental assessment of computationally intensive learning algorithms, the modelling of nonlinear systems, the processing of large volumes of heterogeneous data, and the implementation of large-scale parallel computing techniques. Such facilities make it possible to address research problems requiring substantial computational capabilities, including the simulation of complex systems, the training of deep neural networks, the multifractal analysis of signals and texts, large-scale quantum circuit simulations, and the study of advanced forecasting models.
The laboratory’s research lines include the development of data-driven models for Smart Grids and energy microgrids, the intelligent control of power flows, the study of ageing and advanced diagnostics for energy storage systems, the analysis and classification of unconventional data, natural language processing, and automated text generation. These activities are complemented by the development of algorithms for complex domains, with particular attention to non-Euclidean spaces, customized dissimilarity measures, and agent-based methods for evolutionary clustering. The laboratory also promotes an interdisciplinary approach that bridges computer science, engineering, data science, and the modelling of adaptive systems.
In addition to research, the Computational Intelligence Laboratory plays a significant role in advanced training, serving as a meeting place for thesis students and PhD candidates. The laboratory supports experimental theses, interdisciplinary projects, and initiatives involving students interested in the most recent methodologies of artificial intelligence and scientific computing. The overarching goal is to foster a research community capable of combining theoretical rigor, methodological innovation, and high-impact engineering applications.
Available Hardware Equipment
WS “Andromeda” with an AMD EPYC 9754 processor @ 2.25 GHz featuring 128 cores / 256 threads, 768 GB RAM, and 4 NVIDIA RTX 6000 Ada GPUs (48 GB each).
WS “Sagittarius” with an AMD EPYC 9754 processor @ 2.25 GHz featuring 128 cores / 256 threads, 768 GB RAM, and 4 NVIDIA RTX 6000 Ada GPUs (48 GB each).
WS “Maia” with an Intel Core i9-14900K processor featuring 16 cores / 32 threads, 128 GB RAM, and an NVIDIA GeForce RTX 4090 GPU (24 GB).
WS “Cassiopeia” with an Intel Core i9-14900K processor @ 3.20 GHz featuring 24 cores / 32 threads, 128 GB RAM, and an NVIDIA RTX 6000 Ada GPU (48 GB).
WS “Threadripper – System 1” with an AMD Threadripper processor featuring 32 cores, 125 GB RAM, and an NVIDIA GeForce RTX 4090 GPU (24 GB).
WS “Threadripper – System 2” with an AMD Threadripper 3960X processor @ 3.79 GHz featuring 24 cores / 48 threads, 128 GB RAM, and 2 NVIDIA GeForce RTX 2080 Ti GPUs (11 GB each).
WS “Orion” with an AMD Threadripper 3970X processor @ 3.69 GHz featuring 32 cores / 64 threads, 128 GB RAM, and an NVIDIA GeForce RTX 3080 GPU.
WS “Endor” with an AMD Threadripper 3970X processor @ 3.69 GHz featuring 32 cores / 64 threads, 128 GB RAM, and an NVIDIA GeForce RTX 3080 Ti GPU.
WS “Earendel” with an Intel Core i9-12900K processor @ 3.19 GHz featuring 16 cores / 24 threads, 128 GB RAM, and an NVIDIA GeForce RTX 3090 GPU.
WS “Alcyone” with an Intel Core i9-12900K processor @ 3.19 GHz featuring 16 cores / 24 threads, 128 GB RAM, and an NVIDIA GeForce RTX 3090 GPU.
WS “Xeon Gold – System 2” with dual Intel Xeon Gold 5120 processors @ 2.20 GHz for a total of 56 cores, 187 GB RAM, and an Attila FPGA accelerator.
WS “Xeon E5 – System 1” with dual Intel Xeon E5-2620 v3 processors @ 2.40 GHz, 64 GB RAM, and an Intel Xeon Phi accelerator.
WS “Xeon E5 – System 2” with dual Intel Xeon E5-2630 processors, 64 GB RAM, and an NVIDIA Titan X GPU (12 GB).
WS “Intel i9 Workstation” with an Intel Core i9-9940X processor @ 3.30 GHz featuring 28 cores, 128 GB RAM, and an NVIDIA GTX 2080 Ti GPU (11 GB).
WS AMD Ryzen 9 9950X with 16 cores, 128 GB RAM, and an NVIDIA GeForce RTX 5080 GPU.
WS AMD Ryzen 7 7700 with 8 cores, 32 GB RAM, and an NVIDIA GeForce RTX 4080 SUPER GPU.
Additional laboratory equipment is available for the analysis and development of electronic circuits (oscilloscopes, signal generators, electrical measurement instruments, soldering stations, and tools for assembling electronic components).
