DOPPIO APPUNTAMENTO CON LE LAUREE AL CAMPUS DI CREMONA DEL POLITECNICO DI MILANO

DOPPIO APPUNTAMENTO CON LE LAUREE AL CAMPUS DI CREMONA DEL POLITECNICO DI MILANO

Il 17 e il 19 luglio appelli di laurea e laurea magistrale

Nuovi Ingegneri in arrivo! La prossima settimana ben 49 studenti conseguiranno l’ambito titolo!

Nelle giornate di mercoledì 17 e venerdì 19 luglio si svolgeranno due appelli di laurea: il primo giorno sarà riservato ai 12 studenti che conseguiranno un titolo di Laurea Magistrale in ambito acustico-musicale, il secondo giorno sarà dedicato ai 37 laureandi che termineranno il loro percorso triennale in Ingegneria Gestionale o Ingegneria Informatica.

Un grande traguardo che si traduce in un titolo altamente spendibile, grazie al quale questi freschi ingegneri non avranno problemi a trovare subito un’occupazione. Secondo l’ultima indagine del Politecnico di Milano, infatti, l’occupazione degli ingegneri magistrali a un anno dal titolo ha raggiunto il 98% (96% a sei mesi dalla laurea), mentre per gli ingegneri triennali si attesta al 94%.

Inoltre da questa indagine emerge un altro dato importante: la quasi totalità dei laureati (93%) dichiara di svolgere un lavoro coerente con il titolo di studio conseguito. Un terzo degli intervistati lo ottiene già prima della laurea, grazie ad una formazione sempre al passo con le esigenze del mercato, sia nel settore privato che nel settore pubblico.

Infatti proprio quest’anno il Politecnico di Milano ha raggiunto il risultato più alto di sempre nel QS World University Ranking 2025. L'ateneo si classifica al 111º posto su un totale di 1503 università globali, registrando un miglioramento di 12 posizioni rispetto all'anno scorso ed entrando per la prima volta nel top 8% delle università di eccellenza globali. Inoltre secondo la QS World University Ranking Europe, il Politecnico di Milano è la prima università italiana in Europa, scalando nove posizioni e piazzandosi al 38° posto della classifica complessiva. 

Certi quindi di un’ottima accoglienza da parte del mondo del lavoro, mercoledì 17 luglio, i 12 laureandi in Music and Acoustic Engineering inizieranno la discussione delle tesi alle ore 13.30 e saranno proclamati Dottori Magistrali in Ingegneria alle ore 16:00.

Dei laureandi di questa sessione, 3 hanno scelto di approfondire la loro preparazione in tema di acustica, mentre 9 si sono concentrati sull’informatica musicale ed elaborazione del suono. Tra questi Alessandra Moro, che si è iscritta a Music and Acoustic Engineering dopo aver conseguito la laurea in Ingegneria Informatica al Politecnico di Milano, ha dichiarato “Sono molto soddisfatta della scelta che ho fatto e che indubbiamente consiglierei. Questi due anni mi hanno permesso di ampliare le mie conoscenze a livello sia musicale che ingegneristico, non solo applicando l’informatica all’audio, ma soprattutto studiando la musica in tutte le sue sfaccettature acustiche, elettroniche e matematiche.”

 Gli interessati a questo stimolante percorso, in possesso di un titolo di studi triennale italiano, potranno richiederne l’ammissione per il prossimo anno accademico fino al 28 agosto. Le immatricolazioni si chiuderanno il 13 settembre.

Per chi si iscrive alle Lauree Magistrali, presso il Campus di Cremona, sono previste borse di studio dell’importo di € 2.000 ciascuna, di cui una finanziata da Comizio Agrario Ente Eredità G. Beltrami, che riconoscono e valorizzano il merito.

 Venerdì 19 luglio sarà la volta dei 37 laureandi che terminano il loro percorso triennale.

Alle ore 12:00 è prevista la proclamazione per i 24 laureandi in Ingegneria Gestionale.

Chi tra loro ha scelto di arricchire il proprio curriculum formativo con una stimolante esperienza di stage, prima del conseguimento del titolo, ha redatto la tesi su questa esperienza e la discuterà il mattino stesso dell’appello di laurea. Queste collaborazioni confermano una sinergia in costante crescita tra il Polo di Cremona e le aziende del territorio che hanno saputo cogliere e apprezzare la qualità delle competenze offerte ai futuri Ingegneri.

Come è successo a Lorenzo Nicoli, che dopo lo stage è stato assunto da Wonder Spa ancora prima del conseguimento del titolo. “Sono estremamente soddisfatto dell'esito del mio tirocinio presso Wonder Spa, che mi ha offerto l'opportunità di rimanere all'interno dell'azienda come membro del team”, ha commentato Lorenzo. “Attualmente, lavoro nell'ufficio produzione, dove sto acquisendo nuove competenze e approfondendo le conoscenze teoriche apprese durante il mio percorso di studi. Questa esperienza mi sta consentendo di comprendere meglio il funzionamento di un'azienda e di scoprire il mondo lavorativo che mi attende come ingegnere gestionale. Inoltre, sto avendo modo di applicare le mie conoscenze e skills in un contesto reale, contribuendo al successo dell'azienda. Sono grato a Wonder Spa per l'opportunità offertami e sono convinto che questa esperienza sarà fondamentale per la mia crescita professionale e personale.”

 Alle ore 13:00 è prevista la proclamazione per i 13 laureandi in Ingegneria Informatica che hanno già sostenuto la prova finale attraverso l’elaborazione di alcuni progetti e che, pertanto, non dovranno discutere la tesi. Lorenzo Moretti descrive così la sua esperienza universitaria “Se dovessi descrivere questo percorso con tre aggettivi direi che è stato colorato come i quaderni che ho riempito di formule e idee, stimolante come gli ostacoli che mi hanno accompagnato in questo viaggio e luminoso come il futuro che spero mi attenda al di là di questa avventura.” Lorenzo In questa sessione, oltre al conseguimento del titolo, concluderà con successo anche i Percorsi di Eccellenza, iniziativa che gli ha trasmesso come principali valori disciplina e dedizione.

 A Cremona, infatti, i Percorsi di Eccellenza possono arricchire il percorso accademico: sono caratterizzati da attività di formazione avanzata e i primi 5 assegnatari possono ottenere anche una borsa di studio da € 5.000. L’obiettivo dell’iniziativa è migliorare le capacità e le competenze in diversi ambiti e discipline, arricchire il curriculum formativo con corsi di approfondimento e avvicinare alle dinamiche aziendali con esperienze dirette. La domanda di ammissione va presentata entro il 30 settembre.

 Per chi deve scegliere il proprio Corso di Laurea triennale, le immatricolazioni si sono già aperte e termineranno il 10 settembre. Obbligatorio aver sostenuto il test di ammissione l’anno scorso o quest’anno per potersi aggiudicare un ambito posto tra le file dei banchi del Politecnico di Milano.

 Segue l'elenco dei laureandi, il titolo della tesi e l’abstract (se previsto), di chi ha dato il consenso all’invio, divisi per corso di studio:

 MUSIC AND ACOUSTIC ENGINEERING

1. ALBARRACÍN SÁNCHEZ JUAN CAMILO

Titolo tesi: HRTF Personalization Based on Denoising Diffusion Models

Abstract

Il campo del virtual auditory display è in continua crescita e la personalizzazione della Head-Related Transfer Function (HRTF) è di grande importanza in questo ambito, essendo essenziale per ottenere esperienze audio immersive e realistiche data la loro natura altamente individuale. I metodi tradizionali per ottenere HRTF accurate coinvolgono procedure di misurazione acustica ingombranti in ambienti specializzati; mentre le HRTF generiche possono essere utilizzate, spesso risultano in esperienze auditive di scarsa qualità. In questo studio, indaghiamo la personalizzazione delle HRTF mediante l'uso dei Denoising Diffusion Probabilistic Models (DDPM), noti per la loro straordinaria capacità di generare campioni di qualità dal rumore. Il nostro approccio prevede la generazione di HRTF personalizzate dalla loro rappresentazione nel dominio del tempo, la Head-Related Impulse Response (HRIR), combinata con informazioni spaziali sulla sorgente sonora e caratteristiche antropometriche del soggetto. Iniettiamo rumore nelle HRIR seguendo una pianificazione predeterminata e addestriamo una rete U-Net per il denoising delle HRIR basandosi su informazioni condizionali. Per la validazione del nostro metodo, abbiamo seguito la procedura di Leave-One-Out Cross-Validation, che ci ha permesso di sfruttare i dati HRTF esistenti, testando il nostro metodo su un numero di soggetti. Come misure di valutazione, abbiamo adottato le metriche oggettive Mean Average Error (MAE) per l'onset delle HRIR e gli errori di Interaural Time Difference (ITD), il Normalized Mean Squared Error (NMSE) e la Log-Spectral Distortion (LSD) per ottenere una misura della somiglianza spettrale tra la nostra HRTF predetta e i valori reali. I risultati rispecchiano nel dominio del tempo e della frequenza la HRTF di riferimento e ottengono una performance promettente in termini di MAE e LSD rispetto ai metodi all'avanguardia e alla simulazione Boundary Element Method fornita dal database. Una discussione ulteriore sui risultati dell'implementazione identifica limitazioni e potenziali miglioramenti per future ricerche in questo campo.

2. BLE ZOUZOUA AXEL ISRAEL

Titolo tesi: Generative Adversarial Networks for Ambient Music Creation: Enhancing Creative Installations with AI-Driven Soundscapes

Abstract

La musica ambient è ormai nota per arricchire con profondità estetica ed emotiva le installazioni creative contemporanee. Questa tesi esplora la sinergia tra musica ambient e intelligenza artificiale generativa, portando alla luce un sistema in grado di generare tracce di musica ambient di alta qualità per spazi e contesti creativi. Dopo aver evidenziato l'importanza della musica ambient nella creazione di esperienze sensoriali coinvolgenti, tracciando la sua evoluzione dalla musica elettronica alle applicazioni moderne, in questo lavoro, vengono esaminati i problemi e le potenzialità dell'integrazione dell'IA nella generazione di musica ambient, sottolineando la necessità di approcci interdisciplinari per affrontare le complessità della teoria musicale, dell'espressione emotiva e delle limitazioni tecniche nonché computazionali. Il deep learning ha trasformato l’intero settore della generative music, consentendo agli algoritmi di replicare modelli complessi da ampi set di dati. I sistemi di musica generativa trovano applicazioni pratiche nella sonorizzazione cinematografica, nelle installazioni artistiche, nei prodotti terapeutici e nella produzione musicale, dimostrando la loro adattabilità e crescente importanza nella produzione automatizzata della musica. Questo lavoro sfrutta Musika, un'architettura basata su GAN, per affrontare problemi come la scarsità di dataset e l'intensità computazionale, ottimizzando modelli preaddestrati e allenando nuovi modelli da zero su un dataset appositamente costruito e ulteriormente arricchito con innovative tecniche di aumento dei dati. L'architettura del sistema, comprensiva di un Audio Autoencoder e di una Latent GAN, produce campioni audio di alta qualità, coerenti e di lunghezza variabile. La valutazione delle prestazioni del sistema, utilizzando metriche come la Somma e la Somma Pesata dei Costi, e i criteri di Convergenza e Stabilità, ne dimostra l'efficacia e il potenziale per installazioni creative. La ricerca contribuisce al Music Information Retrieval (MIR) e all’avanzamento della tecnologia creativa, suggerendo future direzioni per l'integrazione dell'IA nella generazione di musica e nell'espansione dell'espressione artistica negli spazi interattivi.

3. CUI JIAYAN

Titolo tesi: Enhanced Text-to-Speech Synthesis for Adversarial Attacks

Abstract

Questo articolo presenta un nuovo metodo di sintesi vocale (text-to-speech, TTS) progettato per eseguire attacchi avversari contro i sistemi di rilevamento delle deepfake vocali. Dati un sintetizzatore vocale e un rilevatore in grado di identificare i suoi brani generati, il nostro approccio prevede l'affinamento del processo di sintesi per ingannare il rilevatore e compromettere l'affidabilità delle sue previsioni. Ci riusciamo integrando il rilevatore nella funzione di perdita valutata durante l'addestramento del vocoder del sistema TTS. Il nostro metodo combina un avanzato generatore di mel-spettrogrammi con un vocoder neurale all'avanguardia. Incorporiamo le capacità di sintesi multilingue e utilizziamo tecniche discriminative per migliorare la qualità e la fedeltà del discorso generato. Questa integrazione ci permette di generare un discorso sintetico che è sia avversativamente robusto che altamente realistico, aumentandone l'efficacia negli scenari anti-forensi. Una caratteristica chiave del nostro approccio è che i segnali generati dal metodo proposto intrinsecamente contengono un attacco avverso. Questo elimina la necessità di qualsiasi post-elaborazione e consente attacchi in tempo reale contro i rilevatori target, un vantaggio significativo nelle applicazioni pratiche. Valutiamo il sistema proposto sia in scenari a libro bianco che a libro nero, dimostrando la sua versatilità ed efficacia. Inoltre, mostriamo come prendere di mira più rilevatori simultaneamente, evidenziando l'adattabilità del metodo a diverse strategie di rilevamento. I risultati sperimentali confermano l'efficacia del nostro approccio in diverse aree chiave. In primo luogo, osserviamo un sostanziale degrado delle prestazioni dei rilevatori target, con aumenti significativi dei tassi di errore pari e diminuzioni dell'accuratezza di rilevamento. Notevolmente, questo degrado delle prestazioni si estende ai rilevatori non target, dimostrando la trasferibilità dei nostri attacchi avversi. Nonostante la sua natura avversaria, il nostro metodo mantiene un'alta qualità percettiva e naturalezza del discorso generato. Metriche oggettive e test di ascolto soggettivi confermano che il discorso sintetico prodotto dal nostro sistema è praticamente indistinguibile dal discorso naturale in termini di qualità e intelligibilità. Questo lavoro contribuisce allo sviluppo continuo sia della generazione di discorso sintetico che dei campi di rilevamento. Evidenzia le vulnerabilità nei metodi di rilevamento attuali e fornisce un quadro per valutare la sicurezza dei rilevatori vocali negli scenari del mondo reale.

4. Di MARIA ALBERTO

Titolo tesi: Visualizing Music and Emotion throughout the Metatron: From Audio Analysis to Music Generation

Abstract

Questa tesi sviluppa un approccio innovativo per descrivere la relazione tra musica ed emozioni attraverso la visualizzazione, utilizzando il Metatron e i solidi platonici. Integrando tecniche avanzate di visualizzazione che coinvolgono la geometria sacra, interfacce utente interattive e generazione musicale basata su IA, il progetto introduce tre client interconnessi: Latent Space Client (LSC), Metatron Client (MC) e Generative Client (GC). Il LSC trasforma la visualizzazione del dataset da 2D a uno spazio 3D altamente personalizzabile. Il MC utilizza la geometria sacra, in particolare il Metatron e i solidi platonici, per collegare emozioni e campioni audio, fornendo una mappatura innovativa tra forme e caratteristiche audio. Il GC collega un modello di text-to-music a segnaposto visivi per generare prompt, basando il processo di generazione esclusivamente sugli aspetti visivi senza richiedere prompt scritti dall’utente. Le tecnologie utilizzate includono React 3 Fiber per la visualizzazione 3D, Suno per la generazione text-to-music ed Essentia per la feature extraction. La metodologia prevede l’elaborazione sequenziale dei dati in tempo reale dal LSC al MC al GC e di nuovo al LSC. I risultati forniscono un sistema modulare per la visualizzazione audio avanzata e la generazione musicale, offrendo un’esperienza circolare all’utente, con una rianalisi continua dei campioni musicali generati. Questa tesi getta le basi per futuri sviluppi per la visualizzazione audio sperimentale basata su geometria sacra, con potenziale per ulteriori ricerche e miglioramenti nelle capacità di ciascun client, nonché un’espansione con ulteriori dataset e aree di applicazione più ampie.

5. FERRÈ MARCO

Titolo tesi: Wave Digital Neural Network-based Models of MOSFETs for Virtual Analog Applications

Abstract

La modellizzazione Virtual Analog mira a replicare digitalmente le apparecchiature audio analogiche, consentendo a tecnici e musicisti di utilizzare le loro attrezzature nel dominio digitale. In particolare, i circuiti audio, come preamplificatori e pedali di distorsione, sono spesso costituiti da reti con più transistor, che, come elementi multi-porta, presentano notevoli sfide nella loro emulazione. In questa tesi, estendiamo un metodo recentemente proposto per l'emulazione di Transistor a Giunzione Bipolare (BJT) ai Transistor a Effetto di Campo Metallo-Ossido-Semiconduttore (MOSFET). Il metodo sfrutta una definizione vettoriale delle onde nell'ambito dei Wave Digital Filters per ottenere una realizzazione esplicita di un circuito contenente un singolo elemento non lineare multi-porta. Valutiamo le prestazioni di varie architetture, tra cui Multi-Layer Perceptrons e ResNets, e applichiamo la metodologia proposta per modellare il pedale distorsore Obsidian Overdrive. Per effettuare la modellazione, gli schemi originali sono suddivisi in tre stadi, ciascuno dei quali contenente un singolo MOSFET, utilizzandoli in cascata per emulare l'intera catena di processo del segnale. I risultati dimostrano buona accuratezza nell'applicazione del metodo ai circuiti contenenti MOSFET, aprendo la strada all'emulazione di circuiti con altri elementi non lineari multi-porta.

6. LUAN XINMENG

Titolo tesi: Physics-Informed Neural Network Approach for Near-Field Acoustic Holography

Abstract

Questo studio indaga nuovi approcci con Reti Neurali Informate dalla Fisica (PINN) per risolvere il problema dell'Olografia Acustica in Campo Vicino (NAH). Servendo come un compito di ricostruzione sonora in campo vicino, la NAH è un metodo senza contatto utilizzato per analizzare le sorgenti sonore mediante misurazioni della pressione sonora nel campo vicino. Questo approccio evita i potenziali danni causati dagli accelerometri e impedisce che la massa aggiunta influenzi la superficie vibrante. Questa tecnica consente di identificare le regioni vibranti, fornendo dettagliate informazioni sul comportamento delle sorgenti sonore senza interferenze fisiche.  In questo studio vengono proposte tre metodologie basate sullo stesso framework. In primo luogo, vengono impiegate Reti Neurali a Valori Complessi (CVNN) per il modello precedente, denominato Rete Neurale Convoluzionale basata sul Kirchhoff-Helmholtz a Valori Complessi (CV-KHCNN). I risultati confermano l'efficacia delle CVNN nella risoluzione del problema NAH, evidenziando anche l'idoneità della funzione di attivazione Cardioid per le CVNN. Inoltre, viene condotta un'analisi t-SNE per visualizzare le caratteristiche del livello di embedding. I risultati suggeriscono che CV-KHCNN possiede la capacità di differenziare tra BC e forme modali, anche senza conoscenze preliminari.  Successivamente, abbiamo rivisitato il convenzionale Compressive-ESM (C-ESM) per NAH e proposto PINN-CESM e C-ESM assistito da Piani Virtuali (PINN-VP-CESM), che utilizza l'integrale KH come conoscenza preliminare per risolvere il NAH con il C-ESM. Infatti, a differenza di CV-KHCNN, dove le reti neurali sono utilizzate principalmente come agenti di apprendimento, questo approccio sfrutta le reti neurali come agenti informati dalla fisica, integrando direttamente le leggi fisiche nel processo di apprendimento. Questo metodo auto-supervisionato è una procedura one-shot, eliminando la necessità di un ampio set di dati di addestramento. I risultati mostrano che l'aggiunta di piani virtuali può migliorare la ricostruzione dei dettagli fini, soprattutto nei modelli vibratori altamente complessi. Inoltre, PINN offre prestazioni più coerenti in diversi scenari, rendendolo una scelta affidabile per i compiti di ricostruzione del campo sorgente. In particolare, a differenza del C-ESM convenzionale, PINN-VP-CESM è meno sensibile al parametro di regolarizzazione.  Ispirati da questa procedura one-shot, proponiamo un framework KHCNN migliorato dal Transfer Learning (TL-KHCNN), che include due fasi: pre-addestramento CV-CNN e fine-tuning one-shot informato dalla fisica. Questa combinazione può generalizzare il modello addestrato su un set di dati limitato per un altro compito. Pre-addestriamo la rete sul set di dati della piastra rettangolare e poi la perfezioniamo sul set di dati della piastra superiore del violino. I risultati indicano ulteriormente che estendere l'applicazione del modello a scenari pratici più complessi è molto promettente.

7. MORENA EDOARDO

Titolo tesi: Sound Source Directivity Interpolation With Physics-informed Neural Networks

Abstract

Nel campo della realtà aumentata/virtuale, la riproduzione della direttività delle sorgenti sonore è fondamentale per un’esperienza immersiva di qualità. Tuttavia, misurare accuratamente la direttività di una sorgente con un gran numero di microfoni non sempre risulta fattibile, motivo per cui queste misurazioni vengono spesso campionate con una distribuzione sparsa. Inoltre, le applicazioni nel dominio della VR/AR necessitano di valori di direttività in tutte le direzioni arbitrariamente, cosa impossibile da misurare nel pratico. In questi casi, diventa evidente la necessità di schemi di interpolazione spaziale per ricostruire fedelmente il campo sonoro. Tuttavia, gli attuali metodi matematici di interpolazione presentano dei limiti, poiché sono ideati per problemi di interpolazione generici e non sfruttano in nessun modo le leggi fisiche che governano i sistemi presi in considerazione. Nel nostro lavoro, miriamo a sfruttare un approccio basato sul deep learning. Le capacità, dimostrate dai metodi di deep learning, nell’estrapolare modelli complessi dai dati elaborati li hanno resi un approccio ampiamente impiegato in vari campi, incluso quello acustico. Attualmente, le Physics-informed Neural Networks (PINN) stanno ricevendo particolare attenzione da parte della ricerca scientifica nell’ambito dell’ingegneria acustica, grazie alla loro capacità di modellare e rappresentare i fenomeni fisici fondamentali e quindi prevedere meglio l’evoluzione dei sistemi dinamici. In questo studio, proponiamo uno schema di interpolazione spaziale basato sulle PINN per la ricostruzione della direttività delle sorgenti sonore. Le PINN vengono utilizzate per risolvere l’equazione di Helmholtz partendo dalle acquisizioni della direttività su un set limitato di punti distribuiti in modo sparso. I risultati vengono confrontati con quelli di tecniche di interpolazione ben consolidate: Spherical Harmonics Decomposition (SH), Thin Plate Pseudo-Spline Interpolation (SPLINE) e Piece-wise Linear Spherical Triangular Interpolation (TRI). I risultati evidenziano le promettenti capacità delle PINN nella ricostruzione del campo acustico delle sorgenti sonore prese in esame, anche quando si lavora con griglie campionate in modo sparso. In particolare, il metodo basato sulle PINN ha dimostrato una superiorità nelle prestazioni in diverse istanze, superando l’efficacia dei metodi matematici considerati, che mancano di informazioni fisiche integrate.

8. MORO ALESSANDRA

Titolo tesi: Exploiting Visual and Audio Features for Multimodal Deepfake Detection

Abstract

La democratizzazione di potenti strumenti di editing video e audio ha inaugurato una nuova era di espressione creativa e creazione di contenuti. Tuttavia, questa accessibilità presenta una sfida significativa: l’ascesa dei deepfake. I deepfake, falsificazioni iper-realistiche create utilizzando algoritmi di deep learning, rappresentano una minaccia crescente. A differenza delle manipolazioni video tradizionali, i deepfake possono unire perfettamente filmati di origine, permettendo la creazione di video che mostrano individui pronunciare parole o compiere azioni che non hanno mai fatto nella realtà. Questa capacità di manipolare la realtà ha conseguenze serie. I deepfake possono essere usati come arma per diffondere disinformazione, danneggiare reputazioni o erodere la fiducia nelle figure pubbliche. In risposta a questa minaccia crescente, questa tesi propone un nuovo metodo di riconoscimento dei deepfake che sfrutta tecniche di estrazione delle caratteristiche. Questo approccio capitalizza i punti di forza sia dell’analisi audio che visiva attraverso un’architettura multimodale che impiega estrattori di caratteristiche separati per ciascuna modalità. Le caratteristiche estratte vengono quindi inserite in un classificatore Long Short-Term Memory (LSTM) per determinare l’autenticità di un video. La nostra ricerca è iniziata con un approccio su due fronti, impiegando modelli separati focalizzati sull’estrazione delle caratteristiche audio e visive. Questa analisi iniziale ha avuto un doppio scopo: valutare l’efficacia di ciascuna modalità nel rilevamento dei deepfake e identificare le caratteristiche più affidabili. Basandoci su questa analisi, abbiamo sviluppato un modello multimodale di riconoscimento dei deepfake che sfrutta i punti di forza sia dell’analisi audio sia visiva. Questo modello ha ottenuto prestazioni notevoli, in particolare in uno scenario reale con dati misti sia reali che deepfake. Il modello con le migliori prestazioni ha raggiunto un’Area Under the Curve (AUC) di 0.99 e una Balanced Accuracy del 99.93%, dimostrando l’efficacia dell’approccio multimodale proposto nel combattere la crescente minaccia dei deepfake.

9. REPLOGLE ADRIANE ELIZABETH

Titolo tesi: Advanced FEM Simulation of Loudspeaker Performance: The Impact of Cone and Surround Materials

Abstract

Le simulazioni basate sul Metodo a Elementi Finiti (FEM) sono essenziali nella progettazione degli altoparlanti, offrendo una alternativa più efficiente rispetto ai tradizionali metodi \trial-and-error\. Tuttavia, la loro efficacia dipende dalla loro abilità di replicare accuratamente l’effettivo comportamento dell’altoparlante. Variazioni nelle caratteristiche dei materiali della membrana degli altoparlanti, anche all’interno dello stesso tipo di materiale, possono significativamente influenzarne la prestazione. Perciò una precisa caratterizzazione dei materiali è essenziale per assicurare che i modelli teorici corrispondano strettamente con le misurazioni nel mondo reale. Questa tesi presenta un consolidato ambiente di simulazione FEM per analizzare le prestazioni degli altoparlanti, con un focus sull’impatto di diversi materiali di coni e bordi. Lo studio innanzitutto presenta una approfondita analisi di vari materiali di membrana degli altoparlanti (coni e bordi), esaminando il loro modulo di Young e la loro densità. Successivamente sono stati analizzati tre altoparlanti le cui membrane sono state sottoposte ai test sui materiali. Sono state investigate le discrepanze fra la risposta misurata e quella simulata degli altoparlanti e la loro relazione con la modellazione dei materiali. Attraverso esaustive simulazioni e misurazioni empiriche lo studio getta luce sulle variazioni fra materiali e su come le proprietà dei materiali influenzano la risposta acustica degli altoparlanti, fornendo utili informazioni per l’ottimizzazione delle strategie di progettazione. I risultati hanno dimostrato un significativo allineamento fra le simulazioni e le prestazioni nel mondo reale. Una conclusione rilevante è stata la dipendenza dalla frequenza del modulo di Young della fibra di vetro con cui è stato realizzato uno dei coni analizzati. Ulteriori convalide possono essere ottenute allargando il dataset delle misurazioni ed esplorando ulteriori materiali in condizioni variabili. Tali informazioni permettono una più accurata modellazione dei materiali degli altoparlanti e gettano le fondamenta per future ricerche di nuovi materiali con proprietà acustiche e durabilità meccanica migliorate, guidando lo sviluppo di altoparlanti più affidabili e dalle più alte prestazioni.

10. TERMINIELLO FERDINANDO

Titolo tesi: Spatial upsampling of spherical microphone arrays using physics-informed neural networks

Abstract

Gli array di microfoni sferici sono dispositivi utilizzati per catturare le caratteristiche spaziali di un campo sonoro, rendendoli strumenti indispensabili per l’audio spaziale. Tuttavia, problemi come l’aliasing spaziale e la troncatura dei coefficienti sferici di ordine superiore richiedono l’incorporazione di un numero significativo di capsule, aumentando i costi del dispositivo e complicandone il design. Per affrontare questa sfida, esistono diverse tecniche che propongono il sovracampionamento spaziale degli array di microfoni sferici. Il sovracampionamento spaziale si riferisce al processo di aumento del numero di punti di campionamento sulla superficie sferica per migliorare la risoluzione spaziale del campo sonoro. Questo consente una rappresentazione più dettagliata e accurata del campo sonoro senza la necessità di ulteriori microfoni fisici. In particolare, il nostro approccio sfrutta una rete neurale fisicamente informata potenziata con funzioni di attivazione Rowdy, che si sono dimostrate altamente efficaci nel catturare con precisione i dettagli dei segnali ad alta frequenza. L’incorporazione delle informazioni fisiche consente alla rete di comprendere e prevedere meglio il comportamento del campo sonoro, portando a un miglioramento delle prestazioni e dell’accuratezza nel processo di sovracampionamento. Gli esperimenti condotti su dati reali dimostrano che il metodo proposto supera le tecniche all’avanguardia basate su metodi tradizionali di elaborazione del segnale, fornendo una risoluzione spaziale e una fedeltà superiori. La robustezza del nostro approccio è evidente in una varietà di ambienti acustici, dimostrando la capacità di mantenere le prestazioni anche in condizioni difficili.

11. ÖZGÜNAY ERAY

Titolo tesi: A Lightweight Speaker Verification System for Real-Time Applications

Abstract

Questo lavoro affronta le sfide critiche nella Verifica del Parlante (VDP), dimostrando la sua efficacia in condizioni reali. Pone le basi per miglioramenti sostanziali nell'integrazione dell'autenticazione vocale nell'uso quotidiano delle tecnologie, potenzialmente espandendo la sua applicazione dai dispositivi personali ai sistemi di sicurezza complessivi. I sistemi tradizionali di VDP, sebbene molto efficaci in condizioni controllate, spesso faticano a mantenere le prestazioni in contesti pratici e reali a causa delle complessità intrinseche delle condizioni ambientali e dei vincoli computazionali. Questa tesi introduce un nuovo sistema VDP leggero, specificamente progettato per applicazioni in tempo reale in ambienti affetti da rumore e riverbero. Il nostro approccio sfrutta un'architettura causale che incorpora tecniche convoluzionali avanzate all'interno del nostro Deep Neural Network (DNN) proposto insieme a strati di pooling in tempo reale, cruciali per ridurre i ritardi di elaborazione e migliorare la reattività per soddisfare i rigorosi requisiti delle applicazioni in tempo reale.  Lo sviluppo di questo sistema è guidato dall'obiettivo di garantire un funzionamento efficiente attraverso una gamma di scenari acustici impegnativi. Le valutazioni comparative con i modelli all'avanguardia rivelano che, sebbene il nostro modello leggero possa non raggiungere i massimi livelli di prestazione, eccelle nell'elaborazione in tempo reale e dimostra una maggiore stabilità in una varietà di condizioni acustiche sfidanti. Questo focus strategico rende il nostro approccio particolarmente adatto per implementazioni pratiche in ambienti dinamici dove la velocità di elaborazione e l'efficienza computazionale sono cruciali. Il sistema è specificamente ottimizzato per applicazioni che richiedono operazioni in tempo reale, come i sistemi di risposta vocale interattivi e le applicazioni di comunicazione mobile, dove la massima accuratezza non è sempre necessaria, ma la reattività è critica.  Inoltre, questa ricerca stabilisce una base per migliorare ed espandere le tecnologie vocali guidate dalla voce, migliorando l'affidabilità e l'efficienza operativa dei sistemi di VDP destinati a una gamma di applicazioni, dal rafforzamento delle misure di sicurezza al miglioramento dei processi di autenticazione degli utenti.

INGEGNERIA GESTIONALE

Cognome Nome – Titolo tesi

1. BERTOZZI GIULIA- Laboratorio di Analisi e Modellizzazione dei Processi
2. CINQUE CAROLINA- Laboratorio di Analisi e Modellizzazione dei Processi
3. COLONDRI NICCOLÒ- L'Intelligenza Artificiale a supporto delle Imprese: studio e verifica delle sue integrazioni nelle Metodologie Aziendali di Processo
4. CUFFARO RICCARDO- Laboratorio di Analisi e Modellizzazione dei Processi
5. De BASTIANI ALESSANDRO- Laboratorio di Analisi e Modellizzazione dei Processi
6. GALBIGNANI PAOLO- Laboratorio di Analisi e Modellizzazione dei Processi
7. GOTTARDO GIORGIO- Laboratorio di Analisi e Modellizzazione dei Processi
8. GUALINI ANDREA- Laboratorio di Analisi e Modellizzazione dei Processi
9. LAGANA' MARTINA- Laboratorio di Analisi e Modellizzazione dei Processi
10. LO CELSO GIOVANNI- Analisi della Gestione dei Progetti Complessi in Leonardo S.p.a.
11. MORANDI MATTEO MARIA- Laboratorio di Analisi e Modellizzazione dei Processi
12. NAIMI MARWA- Laboratorio di Analisi e Modellizzazione dei Processi
13. NICOLI LORENZO- Project work in Wonder spa: la creazione di uno stock di picking
14. PAOLILLI TREONZE DAVIDE- Analisi paretiana delle materie prime e loro disposizione in magazzino.
15. PAPA SOFIA- Laboratorio di Analisi e Modellizzazione dei Processi
16. PISARONI MICHELE- Laboratorio di Analisi e Modellizzazione dei Processi
17. POMPAMEO ANGELICA- Laboratorio di Analisi e Modellizzazione dei Processi
18. REA GIOVANNI- Laboratorio di Analisi e Modellizzazione dei Processi
19. SBARUFATTI RICCARDO- Laboratorio di Analisi e Modellizzazione dei Processi
20. SERVI LEONARDO- ELABORATO PROJECT WORK AZIENDA CERRI S.R.L
21. SEVERGNINI CHIARA- Laboratorio di Analisi e Modellizzazione dei Processi
22. SOLARI GIANCARLO- Laboratorio di Analisi e Modellizzazione dei Processi
23. TARTAGLIA GIANVITO DOMENICO- Laboratorio di Analisi e Modellizzazione dei Processi
24. ZORZA MATTIA- Riprogettazione e valutazione del caso aziendale Viaggio Tanto

INGEGNERIA INFORMATICA

Cognome Nome – Titolo tesi

1. ABATE KEVIN PIO- Progetto di Prova Finale
2. ARIAZZI ALESSANDRO- Progetto di Prova Finale
3. CALLANDRONE PIETRO- Progetto di Prova Finale
4. CESTELE GUIDO- Progetto di Prova Finale
5. DICHIO PAOLO- Progetto di Prova Finale
6. GHISOLFI DAVIDE- Progetto di Prova Finale
7. MORETTI LORENZO- Progetto di Prova Finale
8. PARATICI LORENZO- Progetto di Prova Finale
9. PIGATO LORENZO- Progetto di Prova Finale
10. PITTARI DOMENICO- Progetto di Prova Finale
11. PIZZOCCHERI PIETRO- Progetto di Prova Finale
12. SINGE GABRIELE LORENZO- Progetto di Prova Finale
13. TAINO STEFANO- Progetto di Prova Finale