Attualmente sono Professore Associato presso il Dipartimento di Fisica e Astronomia dell’Università di Bologna e membro della collaborazione ATLAS. Dopo il PhD in Fisica conseguito all’Università di Bologna nel 2014 e un quadriennio di attività al CERN di Ginevra, dal 2012 al 2016, sono rientrato a Bologna proseguendo una linea di ricerca che coniuga fisica sperimentale delle alte energie, sviluppo di algoritmi avanzati di ricostruzione e analisi dati, machine learning, HPC e, più recentemente, quantum computing applicato alla fisica delle particelle.
In ambito ATLAS mi occupo di machine learning e HPC per lo sviluppo di modelli avanzati di deep learning per la simulazione veloce del calorimetro di ATLAS, in particolare nell’ambito di FastCaloSim e FastCaloGANtainer, framework di cui sono co-autore. Questa attività mira a rendere la simulazione rapida più accurata, scalabile ed efficiente, anche in vista delle esigenze computazionali di HL-LHC. Ho contribuito al porting e all’ottimizzazione dell’addestramento di GAN su infrastrutture di calcolo ad alte prestazioni, tra cui Leonardo-CINECA e CNAF-HPC, sfruttando nodi multi-GPU A100 e riducendo significativamente i tempi di training rispetto alle configurazioni tradizionali.
Parallelamente lavoro allo sviluppo di reti neurali e modelli avanzati per jet-tagging e anomaly detection, applicati a diverse analisi di fisica. Queste attività spaziano dalle misure di precisione sulla sezione d’urto del quark top e sulle proprietà del bosone di Higgs, fino a ricerche di nuova fisica dedicate a neutrini pesanti di tipo I/III, leptoni vettoriali e candidati di materia oscura come i dark-jets. In questo contesto esploro anche architetture basate su grafi e diffusion models, con l’obiettivo di migliorare l’identificazione di segnali complessi e topologie rare nel regime di alta luminosità.
La mia attività in ATLAS include inoltre lo sviluppo di algoritmi di ricostruzione per topologie di jet “boosted” e per decadimenti adronici caratterizzati dalla presenza di muoni. Questa linea di lavoro, avviata durante il periodo al CERN, si inserisce nel più ampio sforzo della collaborazione per ottimizzare la ricostruzione e la selezione di stati finali complessi, rilevanti sia per misure di precisione sia per ricerche oltre il Modello Standard.
Dal 2025 coordino l’unità di Bologna del progetto QUART&T, Quantum Architectures for Theory & Technology, dedicato al quantum computing. All’interno del progetto lavoro allo sviluppo di dimostratori e simulatori di circuiti quantistici basati su qubit superconduttori in cavità risonanti, con architetture a connettività all-to-all, e su qudit realizzati tramite giunzioni Josephson. L’attività comprende anche la progettazione e l’integrazione dell’elettronica RF-SoC di read-out, con l’obiettivo di sviluppare piattaforme sperimentali e strumenti di controllo per dispositivi quantistici superconduttori.
Accanto allo sviluppo hardware e di simulazione, lavoro alla progettazione di algoritmi quantistici e, in particolare, di quantum machine learning (QML) applicato alla fisica delle particelle. In questo ambito ho contribuito a QUnfold, un tool open-source che riformula il problema di unfolding statistico in termini di QUBO, rendendolo risolvibile su hardware di quantum annealing. Questa attività si colloca all’intersezione tra inferenza statistica, ottimizzazione quantistica e analisi dati in HEP, con l’obiettivo di esplorare il potenziale delle tecnologie quantistiche per problemi computazionalmente complessi della fisica sperimentale.
Partecipo infine alla collaborazione FOOT, che misura sezioni d’urto di frammentazione di nuclei leggeri per applicazioni in adroterapia e radioprotezione spaziale. In FOOT ho contribuito alle analisi dati della frammentazione nucleare e all’implementazione del sistema di tracciamento basato su Kalman Filter, sviluppando strumenti per la ricostruzione delle tracce e per l’analisi degli eventi sperimentali.
