SESSIONE DI LAUREA MAGISTRALE AL CAMPUS DI CREMONA DEL POLITECNICO DI MILANO
21 ottobre 2025: saranno 16 i nuovi ingegneri!
Nuovo appuntamento con le lauree: martedì 21 ottobre 16 giovani raggiungeranno un ambito traguardo e conseguiranno il titolo di Laurea Magistrale in Ingegneria.
Saranno 11 gli studenti che completeranno il loro percorso in Music and Acoustic Engineering mentre 5 sono i laureandi che diventeranno Ingegneri dell’Agricoltura.
I 5 laureandi in Agricultural Engineering presenteranno i loro elaborati alla Commissione di laurea a partire dalle ore 10.00 e verranno proclamati Ingegneri Magistrali alle ore 12.00.
Degli 11 laureandi iscritti alla prima ed unica Laurea Magistrale in Italia interamente dedicata all’ingegneria della musica e dell’acustica, 8 hanno scelto di approfondire la loro preparazione in tema di informatica musicale ed elaborazione del suono, mentre gli altri 3 si sono concentrati sull’acustica. Le discussioni delle loro tesi inizieranno alle ore 14:00 e la proclamazione è prevista per le ore 16.15.
Come nelle precedenti sessioni, anche per i laureandi di questo appello, la collaborazione con le aziende su progetti innovativi e estremamente attuali si è rivelata determinante sia per la stesura della tesi che per un inserimento lavorativo ancora prima del conseguimento del titolo.
Lorenzo, laureando in Agricultural Engineering, ha infatti svolto il suo tirocinio presso AGCO SPA e ci ha raccontato la sua esperienza positiva “Mi sono occupato di sviluppare il controllo di un macchinario presente sulle mietitrebbie. Ho imparato a sviluppare software per centraline; sviluppare modelli che simulassero sistemi fisici, come impianti idraulici e meccanici; e creare sistemi elettronici per la validazione di questi software.”.
Le aziende sono sempre più a caccia di questi nuovi Ingegneri dell’agricoltura che sono in grado di gestire aspetti complessi della produzione agricola e agro-industriale, grazie ad una conoscenza multidisciplinare, coniugando l’innovazione tecnologica in ambito agrario e delle produzioni animali con l’incremento del livello di sostenibilità e della sicurezza alimentare.
Sicuramente anche l’esperienza sul campo ha contribuito ad aumentare la soddisfazione per il percorso di studi che Lorenzo definisce: “Unico, perché non si trova spesso un corso di ingegneria del genere. Stimolante, nel settore dell’agricoltura c’è spazio per ogni tipo di persona ed ingegnere, ognuno può trovare qualcosa che lo appassioni. Breve, due anni sono pochi, ciò che questo corso mi ha fatto capire è che le cose interessanti da sapere sono moltissime e mi sarebbero serviti ancora tanti anni per saperle tutte, mi toccherà rimboccarmi le maniche!”.
La peculiarità del Corso di Laurea Magistrale in Music and Acoustic Engineering è sicuramente la capacità di coniugare le conoscenze scientifiche con la passione per la musica e infatti Francisco, laureando in Music and Acoustic Engineering, spiega così la scelta che ha fatto due anni fa: “La mia scelta è scaturita dal desiderio di collegare le mie due grandi passioni: l'ingegneria e la musica. Ho sempre cercato un percorso accademico che mi permettesse di esplorare la cooperazione tra questi due mondi, e sono orgoglioso di aver trovato in questo corso di laurea la sintesi perfetta. L'orientamento Music è stata la conseguenza naturale del mio interesse per l'informatica e la programmazione applicate al suono. Mi affascina l'idea di poter progettare e sviluppare strumenti software originali, mettendoli a disposizione dell'intera comunità musicale.”.
Ancora una volta emerge come le relazioni nate in aula siano un grande valore aggiunto per chi studia nel Campus di Cremona del Politecnico di Milano, tanto che Francisco ci racconta: “Vorrei condividere una consapevolezza maturata in questi anni. Questo percorso mi ha permesso di incontrare persone straordinarie, che oggi sono punti di riferimento importanti nella mia vita. Ho compreso che l'esperienza universitaria non è solo un percorso di studio, ma un'incredibile opportunità di crescita personale, in cui i legami umani, i momenti di confronto e anche di spensieratezza sono tanto formativi quanto le lezioni stesse.”.
Segue l’elenco dei laureandi con il titolo della tesi e l’abstract, di chi ha dato il consenso all’invio, divisi per corso di studio:
AGRICULTURAL ENGINEERING
1. DAMIANI MATTEO
Titolo tesi: A techno-economic analysis of PV and Agrivoltaics for renewable energy supply to a farm
2. MANCUSO INNOCENZO
Titolo tesi: Optimizing object detection models for robust vine leaf disease recognition
Abstract
Le malattie della vite, tra cui oidio, peronospora ed Esca, rappresentano una minaccia significativa per la viticoltura, causando gravi perdite di resa e peggioramento della qualità dei prodotti se non identificate tempestivamente. La diagnosi tradizionale si basa su ispezioni visive in campo, attività dispendiose in termini di tempo, soggettive e spesso troppo lente per garantire una gestione efficace. I recenti progressi nel deep learning offrono un’alternativa promettente, ma i modelli esistenti mostrano frequentemente difficoltà nel generalizzare in condizioni reali caratterizzate da elevata variabilità. Questo progetto di tesi esplora strategie per aumentare la robustezza del rilevamento delle malattie della vite attraverso lo sviluppo di diverse pipeline di addestramento basate su YOLOv7. Sono state introdotte nuove tecniche di preprocessing, tra cui il training a patch e l’equalizzazione dell’istogramma, con l’obiettivo di migliorare l’apprendimento di caratteristiche locali e ridurre l’impatto di variazioni di illuminazione, sfondo e presentazione delle foglie. I modelli proposti sono stati addestrati e valutati su un nuovo dataset di foglie di vite affette da oidio, peronospora ed Esca, e successivamente testati su dataset esterni per valutarne la capacità di generalizzare in presenza di cambiamenti di contesto. I risultati sperimentali mostrano che la combinazione di training a patch e preprocessing mirato rafforza significativamente le prestazioni del modello in scenari eterogenei, evidenziando l’importanza di approcci basati sui dati per un rilevamento affidabile delle malattie della vite con l'intelligenza artificiale.
3. PALANICHAMY SOWMYA
Titolo tesi: Implementation of Dutch farming for the Cultivation of Tomatoes in South India
Abstract
L’aumento delle problematiche legate al cambiamento climatico, alla scarsità d’acqua e alla limitata disponibilità di terreni coltivabili ha evidenziato la necessità di soluzioni agricole sostenibili, in particolare nelle aree tropicali come il Sud dell’India. Questa tesi ha illustrato la progettazione, lo sviluppo e l’efficacia di un sistema idroponico passivo integrato in una struttura di coltivazione protetta, finalizzato alla produzione continua, durante tutto l’anno, di pomodori, lattuga, spinaci e basilico. Lo studio si basa su ricerche condotte nei paesi in via di sviluppo, utilizzando materiali disponibili, substrati di coltivazione economici e soluzioni di gestione manuale dei nutrienti a bassa tecnologia, per garantire una sostenibilità accessibile e scalabile ai piccoli e medi produttori. La ricerca ha compreso la selezione del sito, la progettazione di una serra passiva adattiva al clima, la scelta delle colture, la definizione delle tecniche idroponiche e la gestione delle prestazioni colturali in ambienti climatici passivi. Sono stati misurati e analizzati parametri chiave quali altezza delle piante, resa, assorbimento dei nutrienti, efficienza nell’uso dell’acqua e incidenza dei parassiti. I risultati mostrano evidenze significative del fatto che i sistemi idroponici passivi possano produrre ortaggi di alta qualità con un consumo idrico molto inferiore e un impiego ridotto di input chimici, rispetto ai tradizionali sistemi di coltivazione in suolo. L’integrazione di pratiche di gestione dei parassiti, di gestione del clima e di spaziatura delle piante ha inoltre contribuito a migliorare la salute e la resa delle colture. L’idroponica passiva in condizioni protette si configura come un’alternativa intelligente per il clima, economicamente sostenibile ed ecologicamente valida rispetto all’agricoltura tradizionale nelle regioni tropicali e semi-aride. Essa offre soluzioni tecniche concrete, nonché opportunità per l’agricoltura urbana, il vertical farming e la produzione annuale, contribuendo direttamente agli Obiettivi di Sviluppo Sostenibile (SDGs), in particolare agli obiettivi Fame Zero, Consumo Responsabile e Azione per il Clima. Si raccomanda pertanto la scalabilità di tali sistemi, includendo componenti automatizzate, fonti di energia rinnovabile, riciclo dei nutrienti di scarto e maggiori strumenti politici a sostegno dell’agricoltura nelle aree rurali rispetto a quelle urbane.
4. SALADINI ANDREA
Titolo tesi: Improvement and Evaluation of a Multi-Criteria Decision Support System for Sustainability in Agri-Food SMEs
Abstract
La transizione verso sistemi alimentari più sostenibili richiede strumenti capaci di supportare agricoltori e imprese agroalimentari nel prendere decisioni consapevoli. Gli attuali approcci di valutazione della sostenibilità soffrono spesso di lacune nei dati, analisi su scale eterogenee e limitata applicabilità per le piccole e medie imprese (PMI). Questo lavoro sviluppa, aggiorna e testa una versione migliorata di un sistema di supporto alle decisioni basato sull’analisi multicriteriale. Il sistema integra le dimensioni ambientali e socio-economiche attraverso un insieme strutturato di indicatori, selezionati in collaborazione con esperti accademici e confrontati con i dati provenienti dal dataset RICA. La versione aggiornata dello strumento introduce ottimizzazioni metodologiche, in particolare relative alle buone pratiche agricole, al metodo di ponderazione degli indicatori e alla struttura finale del report. Lo strumento è stato testato in via pilota su un campione di PMI, con focus sulla produzione di fragole, ed è stato valutato attraverso il Technology Acceptance Model. I risultati mostrano che, rispetto alla versione precedente, la versione aggiornata presenta una maggiore utilità percepita per gli agricoltori e aumenta significativamente la loro intenzione comportamentale ad adottare lo strumento, mentre la facilità d’uso rimane stabile. Questo studio evidenzia come anche cambiamenti incrementali nel design possano influenzare la disponibilità degli utenti a utilizzare strumenti decisionali orientati alla sostenibilità. Piuttosto che certificare se un’azienda agricola sia “sostenibile”, il sistema proposto è pensato per guidare l’applicazione di pratiche agricole, orientando le PMI verso traiettorie più sostenibili e contribuendo agli obiettivi più ampi della strategia europea “From Farm to Fork”.
5. SCALET LORENZO
Titolo tesi: Model-Based Design and Embedded Implementation of an Unloading Auger Control System for Combine Harvesters
Abstract
Lo sviluppo delle moderne macchine agricole si basa su sistemi embedded avanzati e sulla comunicazione tramite bus CAN per garantire efficienza, sicurezza e affidabilità. La presente tesi si concentra sulla progettazione e validazione del sistema di controllo della coclea di scarico di una mietitrebbia, un sottosistema utilizzato con elevata frequenza e caratterizzato da stringenti requisiti di sicurezza funzionale. Il lavoro ha avuto inizio con la definizione dei requisiti funzionali e di sicurezza, seguendo il modello a V al fine di garantire la tracciabilità tra specifiche e attività di validazione. È stato quindi sviluppato in MATLAB/Simulink un modello di simulazione del tubo di scarico, combinando rappresentazioni idrauliche e meccaniche per riprodurre le dinamiche del sistema reale. Tale modello è stato successivamente interfacciato con la centralina Bosch EXT Lite per testare il software embedded, sviluppato in linguaggio C++ sul sistema operativo real-time PXROS, attraverso attività di Hardware-in-the-Loop (HIL). L’architettura software è stata progettata secondo principi modulari utilizzando la programmazione ad oggetti. Funzioni di monitoraggio dedicate sono state integrate per garantire la conformità ai requisiti di sicurezza funzionale previsti dagli standard ISO. La configurazione HIL, realizzata mediante Simulink Desktop Real-Time e un’interfaccia basata su Arduino, ha permesso una completa validazione del codice embedded prima della fase di test sul campo. Infine, sono state condotte prove direttamente sulla macchina. Nonostante le limitazioni hardware abbiano impedito la completa esecuzione di test automatici, è stato possibile validare con successo il controllo manuale della coclea di scarico. L’assenza di guasti critici ha dimostrato l’efficacia della metodologia di progettazione basata su modelli (Model-Based Design), riducendo la necessità di estese prove sul campo e supportando un processo di sviluppo robusto per sistemi agricoli safety-critical.
MUSIC AND ACOUSTIC ENGINEERING
1. BARBIERI DAVIDE
Titolo tesi: Investigation of non-linear noise in electrodynamic loudspeakers
Abstract
La presente tesi propone una metodologia pratica per la rilevazione e la caratterizzazione del rumore generato dall’aria negli altoparlanti elettrodinamici, con particolare attenzione ai fenomeni aerodinamici e strutturali che si sviluppano nella parte posteriore del trasduttore. Le emissioni acustiche irradiate posteriormente dagli altoparlanti sono scarsamente trattate nelle procedure di test convenzionali e non esistono metodologie consolidate per la loro analisi. Lo sviluppo di un approccio dedicato a questo aspetto rappresenta quindi un’opportunità per indagare, per la prima volta in maniera sistematica, i meccanismi fisici che governano il comportamento acustico posteriore del trasduttore. Il sistema di misura sviluppato combina l’utilizzo di più microfoni, script MATLAB personalizzati e segnali di eccitazione generati in regime di campionamento coerente. Esso consente l’acquisizione simultanea da diverse posizioni, la sottrazione automatica del rumore ambientale e il calcolo di metriche sintetiche come il Noise Index e gli indicatori MOD, che permettono una descrizione compatta del residuo spettrale non spiegato dal contenuto armonico. La campagna sperimentale è stata condotta su diversi modelli di altoparlante, inclusi prototipi forniti da Eighteen Sound e B&C Speakers, sia in laboratorio sia in camera anecoica. I risultati hanno evidenziato differenze significative tra i trasduttori in termini di rumore posteriore generato dall’aria, mostrando una chiara dipendenza dall’ampiezza di eccitazione e una forte correlazione con il regime di flusso all’interno dei condotti di ventilazione, come confermato da misure con vibrometro laser e dalla stima del numero di Reynolds. La metodologia proposta fornisce un quadro sistematico per l’analisi di un fenomeno spesso trascurato nelle prove standard sugli altoparlanti, aprendo la strada a procedure di valutazione qualitativa più complete e alla progettazione di trasduttori più silenziosi ed efficienti.
2. CAGNETTA ANGELICA
Titolo tesi: Hearing the Violin Models: Testing the Identity of Stradivari-del Gesù Designs Across Measurement and Perception
3. De MARCO DAVIDE
Titolo tesi: Real Time AI Musical Instrument Driven by Dance: Semantic Mapping Between Movement and Sound
Abstract
Questa tesi presenta il lavoro di ricerca svolto presso FUSE SRL, studio artistico a Campogalliano (MO) riguardante il design, l’implementazione e la valutazione di uno strumento musicale innovativo che sfruttando l’AI permetta di generare musica basandosi sulle espressioni artistiche della danza. La realizzazione di questo progetto è motivata dalla necessità artistica dello studio di avere uno strumento che permettesse ai ballerini di esplorare nuovi spazi sonori. Sviluppare uno strumento di questo tipo pone però delle sfide impegnative. La generazione audio in tempo reale, l’adattabilità a diversi sistemi e la flessibilità richiesti dal contesto creativo rappresentano già di per se delle sfide. Inoltre gli strumenti interattivi già esistenti spesso non forniscono un’adeguata mappatura espressiva tra danza e musica. Affrontare queste problematiche richiede un metodo che possa connettere parametri di alto e basso livello della danza alle caratteristiche audio, garantendo inoltre l’affidabilità del sistema, il funzionamento in tempo reale e la sua flessibilità a scopo artistico. Per risolvere questi problemi, lo strumento da noi proposto sfrutta l’utilizzo di una strategia duale di mappatura di caratteristiche di alto e basso livello della danza a posizioni all’interno dello spazio latente di RAVE, e, grazie all’integrazione di FluCoMa, permette di creare delle variazioni musicali e timbriche morbide che seguano l’intenzione dei ballerini. Il nostro processo di ricerca è stato di tipo iterativo, caratterizzato dal susseguirsi di fasi di studio, design, implementazione e test con i ballerini, permettendo di testare più tecniche. Al termine della ricerca ulteriori test tecnici hanno dimostrato l’adattabilità del nostro strumento e la capacità di lavorare in tempo reale, con una latenza misurata mediamente di 2.01ms. I test artistici hanno dimostrato le potenzialità dello strumento nell’espandere le possibilità artistiche dei ballerini. Il nostro lavoro contribuisce alla ricerca portando uno strumento flessibile, affidabile e a bassa latenza che apre nuove strade nell’ambito dei sistemi automatici di traduzione semantica tra movimento e suono usando reti neurali profonde.
4. GALADINI GIULIANO
Titolo tesi: Gramian multimodal alignment for video to audio generation
Abstract
La creazione di contenuti multimodali sincronizzati e ad alta fedeltà rappresenta un compito chiave nell’intelligenza artificiale generativa. Sebbene i modelli basati sulla diffusione abbiano ottenuto risultati notevoli nella generazione unimodale, la sfida centrale è ora garantire una vera coerenza multimodale. Il paradigma dominante prevede l’allineamento delle modalità in uno spazio di embedding condiviso tramite metriche a coppie, come la similarità coseno. Tuttavia, questo approccio è spesso non ottimale: non garantisce matematicamente l’allineamento diretto e simultaneo di tutte le modalità, con conseguente perdita di comprensione olistica e potenziale degrado delle prestazioni, soprattutto in scenari complessi. Questa tesi affronta tale limite introducendo un nuovo framework per la sintesi videoâÂÂÂÂtoâÂÂÂÂaudio. Proponiamo di integrare un meccanismo di allineamento radicato in concetti geometrici, il Gramian Representation Alignment Measure (GRAM), nel processo di denoising di un modello di diffusione latente pre-addestrato. Invece di aggregare confronti a coppie separati, il nostro metodo guida la generazione con un unico segnale unificato: il volume del parallelotopo k-dimensionale teso dai vettori di embedding di tutte le modalità. Un volume più piccolo indica un allineamento geometrico e semantico più forte; minimizzandolo durante la generazione, imponiamo una coerenza più completa e matematicamente solida tra tutte le modalità contemporaneamente. Per validare l’approccio, abbiamo condotto una serie rigorosa di esperimenti confrontando il modello guidato da GRAM con una solida baseline basata sull’allineamento pairwise di ImageBind. La valutazione è stata eseguita sul dataset eventâÂÂÂÂcentric VGGSound e sul più complesso e ambient-centric AudioCaps, per testare la generalizzazione sotto un marcato domain shift. I risultati mostrano che il modello GRAM ottiene prestazioni superiori sia in termini di qualità audio oggettiva sia di sincronizzazione audioâÂÂÂÂvisiva. Il risultato più rilevante è la notevole robustezza: il modello mantiene performance elevate con diverse strategie di campionamento video e sul difficile dataset outâÂÂÂÂofâÂÂÂÂdomain, confermando l’efficacia e il potenziale di principi geometrici olistici nel costruire sistemi generativi multimodali più affidabili e coerenti. La repository ufficiale è disponibile su https://github.com/Zulino/GRAM-LDM.
5. GRANELLO GIORGIO
Titolo tesi: Analysis of a double-leaf metamaterial for attenuation of structure borne noise in floating floor systems
6. MENDEZ HERNANDEZ JUAN SEBASTIAN
Titolo tesi: AI-Driven Audio Analysis for Music Discovery: A Comparative Study of Digital Signal Processing and Large Language Models
Abstract
La rapida crescita dei cataloghi musicali digitali ha creato un’urgente necessità di sistemi di scoperta musicale più efficaci e intuitivi. Questa tesi esplora il potenziale dell’analisi audio basata sull’intelligenza artificiale per migliorare la ricerca musicale andando oltrei tradizionali metadati e l’analisi dei testi, incorporando una comprensione più profonda della musica stessa. Lo studio è strutturato in tre fasi principali. La prima fase confronta le prestazioni degli algoritmi tradizionali di elaborazione del segnale digitale (DSP),tra cui metodi basati su Essentia, Librosa e Tempogram, per l’estrazione di caratteristiche audio di basso livello come tempo, tonalità e modo. I risultati di questa valutazione iniziale non erano sufficienti per l’utilizzo in un cotesto reale, portando alla inclusione di un LLM base, gpt-audio-mini, nel confronto. Tuttavia, questo modello ha ottenuto prestazioni inferiori rispetto agli algoritmi DSP, rafforzando la necessità di strumenti più specializzati. Nella seconda fase della ricerca, sono stati valutati due sistemi audio specializzati basati su LLM, Qwen-Audio e SonicVerse, per la loro capacità di estrarre caratteristiche musicali di basso e alto livello, tra cui genere, strumenti, mood e contesto tematico. Questa analisi ha fornito un confronto completo delle capacità di questi modelli specializzati nel comprendere il contenuto semantico della musica. La terza e ultima fase indaga l’applicazione pratica di questa analisi audio in un contesto di ricerca musicale. È stato utilizzato un database vettoriale, Chroma DB, per creare e interrogare due raccolte di brani musicali: una contenente solo l’analisi dei testi e un’altra che combina l’analisi dei testi e l’analisi audio. La pertinenza della ricerca di queste due collezioni è stata valutata partendo da query basate su brief di sincronizzazione -brevi descrizioni del mood, dei requisiti tematici e musicali di una scena cinematografica o televisiva per trovare la musica adatta. In questa fase sono stati inoltre confrontati tre diversi modelli di embedding di OpenAI. I risultati di questa tesi dimostrano che la combinazione dell’analisi audio specializzata con l’analisi dei testi migliora significativamente la pertinenza dei risultati di ricerca, portando a un’esperienza di ricerca musicale molto più intuitiva e consapevole del contesto.
7. MESSINA FRANCISCO
Titolo tesi: Towards Memorization Free Audio Diffusion Models
Abstract
I modelli generativi audio a diffusione hanno raggiunto prestazioni allo stato dell'arte nella produzione di audio ad alta fedeltà, tuttavia soffrono di un difetto critico: la memorizzazione. Questo fenomeno, in cui i modelli replicano o producono quasi-repliche dei loro dati di addestramento, compromette le applicazioni creative e pone significativi rischi legali e di privacy, come la violazione del copyright e la fuga di dati sensibili. Le strategie di mitigazione esistenti richiedono spesso un costoso riaddestramento del modello o una curatela dei dati, rendendole impraticabili per sistemi su larga scala. Questa tesi affronta la sfida della memorizzazione adattando e valutando il framework Anti-Memorization Guidance (AMG) per il dominio audio. AMG è un nuovo intervento in fase di inferenza che opera monitorando dinamicamente la somiglianza tra una generazione in corso e il suo vicino più prossimo nel set di addestramento. Quando la somiglianza supera una soglia dinamica, una combinazione di tre strategie di guida viene applicata per deviare la generazione lontano dal contenuto memorizzato. Questo approccio non richiede alcuna modifica al modello pre-addestrato o al suo dataset. Questo framework è stato implementato sul modello open-source Stable Audio Open e condotto una valutazione completa. Uno studio di ablazione quantitativo ha confermato che il framework AMG completo riduce significativamente la somiglianza con i dati di addestramento. L'analisi visiva tramite spettrogrammi e plot t-SNE ha confermato questi risultati, mostrando che AMG guida il processo di generazione verso nuove regioni dello spazio degli embedding. Inoltre, la valutazione della qualità audio tramite diverse metriche ha rivelato che, prevenendo l'output a bassa diversità caratteristico della memorizzazione, AMG può di fatto migliorare la qualità statistica della distribuzione audio generata. Sebbene sia stato osservato un compromesso con l'aderenza al prompt, i risultati indicano che il framework può essere regolato per bilanciare efficacemente i duplici obiettivi di novità e pertinenza, confermando la sua validità come soluzione pratica per l'implementazione di modelli audio generativi più responsabili.
8. PIRRELLO ELIA
Titolo tesi: Synergos: A Knowledge Graph-based Platform for Music Professionals
Abstract
Nel panorama musicale contemporaneo, il processo di networking e la creazione di collaborazioni strategiche rappresentano una sfida significativa, specialmente per artisti e professionisti emergenti, che spesso si affidano a metodi frammentati e non supportati da dati. Gli strumenti digitali esistenti, pur essendo efficaci nel tracciare relazioni esplicite, mancano della capacità di quantificare e visualizzare le affinità implicite tra professionisti. Per rispondere a questa esigenza, la presente tesi introduce Synergos, un'applicazione web progettata per mappare e analizzare reti professionali. Il sistema costruisce una knowledge base centralizzata arricchendo i profili dei contatti con informazioni aggregate da diverse piattaforme pubbliche (Muso.ai, Spotify, Wikipedia). Attraverso l'applicazione di modelli di machine learning (VGGish per l'audio, Sentence-BERT per il testo), Synergos trasforma questi dati multimodali in una metrica di affinità combinata, quantificando la compatibilità tra ogni coppia di professionisti. Il risultato principale è una piattaforma interattiva che permette di calcolare e visualizzare un valore di affinità realistico. Attraverso un grafo dinamico, Synergos non solo rappresenta le connessioni dirette, ma modella anche i legami impliciti, dove la disposizione spaziale dei nodi e le loro interconnessioni riflettono il punteggio di affinità calcolato. L'efficacia del sistema dimostra la validità di un approccio data-driven per l'analisi delle reti professionali musicali. Tuttavia, si evidenzia come la precisione della metrica di affinità sia strettamente dipendente dalla disponibilità e ricchezza dei dati online, risultando più robusta per artisti affermati rispetto a quelli emergenti. Questo lavoro pone quindi le basi per futuri sviluppi nell'integrazione di dati e nell'analisi di rete, evidenziando al contempo la necessità di un ecosistema digitale più inclusivo per i talenti emergenti.
9. RAHO CECILIA
Titolo tesi: A multimodal Yogic States classification based on biofeedback and audio processing for music generation
Abstract
Negli ultimi anni si è sviluppato un crescente interesse nell’integrare scienza, tecnologia e pratiche contemplative per promuovere il benessere psicofisiologico. È stato dimostrato che yoga e meditazione producono effetti misurabili sulla respirazione, sulla variabilità della frequenza cardiaca e sulla regolazione emotiva. In parallelo, la musica è stata studiata come mezzo per influenzare gli stati interiori. Tuttavia, mancano ancora quadri metodologici che colleghino sistematicamente i segnali fisiologici a composizioni musicali durante pratiche meditative. Questo lavoro affronta tale lacuna sviluppando un sistema multimodale in grado di classificare gli stati psicofisiologici durante lo Shambhavi Mahamudra Kriya, una pratica yogica che alterna respirazione, canto e meditazione, e indagando come questi stati possano essere evocati attraverso brani musicali composti appositamente e validati. Dati fisiologici e acustici sono stati raccolti da 13 praticanti presso l’Institute for Psychoacoustics and Electronic Music (IPEM), Ghent University. Un dispositivo indossabile personalizzato è stato utilizzato per registrare i segnali respiratori e cardiaci. Dopo la fase di elaborazione dei dati ed estrazione delle feature, sono stati addestrati due modelli Random Forest distinti, uno sui dati fisiologici e l’altro sui dati audio. Le loro predizioni sono state successivamente integrate tramite una strategia di late fusion, consentendo di rilevare le diverse fasi della pratica. Parallelamente, specifiche composizioni musicali sono state create in collaborazione con un compositore, sulla base del feedback di praticanti di yoga, e preliminarmente validate da un gruppo di ascoltatori esterni. Il sistema è stato implementato e testato in tempo reale, inteso come funzionamento concorrente durante la pratica piuttosto che con vincoli stringenti di tempo reale, dimostrando la sua fattibilità oltre l’analisi offline. I risultati mostrano che le fasi della pratica yogica possono essere distinte e che i brani musicali sono stati percepiti come una corrispondenza significativa di tali stati. Questo lavoro esplorativo evidenzia la fattibilità di combinare elaborazione di segnali fisiologici, machine learning multimodale e musica computazionale, mostrando come pratiche meditative strutturate possano essere rappresentate attraverso il suono.
10. SIRONI ALICE
Titolo tesi: Beyond traditonal music emotion recognition systems: a multimodal approach to recognizing emotions in piano performances
Abstract
Negli ultimi anni, i progressi tecnologici hanno evidenziato la necessità di un'interazione uomo-macchina (HMI) più efficace. Un aspetto cruciale in questo ambito è il Riconoscimento delle Emozioni (ER), un sottocampo dell'intelligenza artificiale che, utilizzando il deep learning, consente alle macchine di comprendere le emozioni umane attraverso l'analisi di diverse fonti di dati, quali le espressioni facciali e il tono della voce. Il presente studio si concentra in modo specifico sul Riconoscimento delle Emozioni nella Musica (MER). Il progetto si inserisce in una più ampia iniziativa di ricerca volta a creare un approccio multimodale per analizzare le emozioni dei musicisti durante le esibizioni. Questa fase specifica del progetto si è focalizzata sull'integrazione del nostro modello esistente basato su LSTM, che analizza i dati corporei derivanti dall'elettromiografia (EMG), con un modello MER separato che elabora i dati audio. Questo approccio combinato supera le limitazioni dei sistemi MER tradizionali, che si basano esclusivamente su caratteristiche uditive e non riescono a cogliere la piena complessità emotiva di una performance dal vivo. Attraverso la fusione di segnali corporei e dati audio, il nostro sistema integrato ha dimostrato un significativo miglioramento nell'accuratezza della previsione delle emozioni. Tale framework multimodale è stato impiegato per studiare le emozioni su un vasto dataset di brani musicali che simulava da vicino una reale esibizione concertistica. L'obiettivo finale di questo studio era proprio quello di indagare scenari di concerto autentici. Pur riconoscendo l'intrinseca soggettività dell'emozione, il nostro studio offre un solido quadro di riferimento per l'analisi delle emozioni nelle performance musicali. Non solo conferma il valore dei dati multimodali, ma stabilisce anche un importante punto di partenza per future ricerche in questo complesso campo.
