Scienza
Fisico teorico di formazione, scienziato indipendente per scelta. Qui la parte verificabile: pubblicazioni peer-reviewed, ricerca di tesi, fisica computazionale pubblicata in open source.
Pubblicazioni peer-reviewed
Le due tesi
Geometric Deep Learning per la fisica su reticolo
Un modello di diffusione su grafi condizionato dalla temperatura fisica genera configurazioni del modello di Ising lungo tutto il diagramma di fase — addestrato su reticoli 32², campiona a 64² grazie alla natura geometrica dell'architettura, validato contro Monte Carlo su magnetizzazione, calore specifico e funzioni di correlazione. In parallelo: un campionatore Monte Carlo per teorie di gauge SU(3) su GPU (heatbath di Kennedy–Pendleton, over-relaxation, tensione di stringa dai rapporti di Creutz).
L'ipertrizio in ALICE al CERN, con il machine learning
Pipeline professionale di estrazione del segnale per il decadimento a tre corpi dell'(anti-)ipertrizio in collisioni pp a √s = 13 TeV: classificatore BDT su 15 variabili cinematiche e di identificazione, ottimizzazione degli iperparametri, fit di massa invariante, plot di Dalitz e sistematiche — su dataset fino a ~8×10⁹ eventi.
La scienza, da guardare
Fisica computazionale pubblicata in open source sul mio GitHub — simulazioni che puoi eseguire, non solo guardare.
Codice sorgente: ChargedParticleSimulator · Computational_QM
Primo premio — hackathon spaziale Leonardo, 2026
Con il team vincitore: predizione di guasti alle antenne di terra da 3,8 milioni di righe di telemetria (ROC-AUC 0.968, 44 guasti su 44 anticipati con ~21 ore di preavviso) e propagazione orbitale SGP4 di oltre 100 satelliti reimplementata come kernel CUDA custom.