A2 – Measurement signals and data

Tematiche: la linea di ricerca A2 riguarda principalmente lo sviluppo e la caratterizzazione metrologica di metodi, algoritmi e tecniche (implementati sia in hardware, sia in software) per la generazione, l’acquisizione, l’analisi e/lo la trasmissione di segnali e dati di misura in qualsiasi ambito applicativo (industriale, biomedico, aerospaziale, ambientale, etc…). I tratti distintivi di questa linea di ricerca sono: lo studio di modelli di segnali e di sistemi per applicazioni di misura, con particolare attenzione agli aspetti di elaborazione dati, alla capacità di estrazione di informazione utile dagli stessi e all’identificazione, analisi e gestione dei principali contributi di incertezza di misura.

Obiettivi

• Scientifici: proporre, caratterizzare e promuovere nuove strategie, metodi, algoritmi e tecniche per estrarre informazione utile da dati e segnali di misura tenendo l’incertezza sotto controllo.
• Industriali: fornire soluzioni di misura in grado di favorire l’innovazione e la competitività di aziende ed imprese a livello internazionale.
• Sociali: fornire strumenti e soluzioni in grado di supportare decisioni su problematiche sociali ad ampio spettro grazie all’impiego di informazioni quantitative oggettive ed affidabili.

Le attività di ricerca relative alla linea “LR2: measurement signals and data” sono tradizionalmente caratterizzate da una notevole eterogeneità di ambiti applicativi. Nel corso del IX Forum Nazionale delle Misure, tenutosi a Napoli tra il 10 ed il 12 settembre 2025, le unità operative del GMEE hanno proposto per questa linea di ricerca 19 memorie brevi, di cui una – a cura del Politecnico di Torino sul tema dell’archeometria – selezionata per la relazione ad invito nell’ambito delle sessioni congiunte con il gruppo MMT (10 settembre); ed un’altra  – a cura dell’Università di Bologna sul tema della spettroscopia di impedenza elettrochimica di batterie –  selezionata per la relazione ad invito nelle sessioni dedicate alle tematiche GMEE (11 settembre)

Il numero di memorie complessivamente raccolte è stato lievemente superiore all’anno scorso (in cui furono 17), ma sostanzialmente in media con gli anni precedenti. La ripartizione per tematica vede anche quest’anno una netta prevalenza delle tecniche di misura per applicazioni biomediche (53 %), seguite da quelle in ambito elettrico ed energetico (21 %). Il rimanente 26% è ripartito fra le misure per l’analisi di materiali, per il monitoraggio ambientale e per l’ambito archeologico.

Per quanto riguarda l’approccio metodologico, anche quest’anno si conferma il massiccio ricorso al machine learning, al deep learning o ad altre tecniche di intelligenza artificiale, soprattutto per ciò che concerne le problematiche di diagnostica. Tali tecniche sono infatti utilizzate in quasi il 50% delle attività di ricerca descritte nelle memorie, indipendentemente dall’ambito applicativo ed in linea con quanto osservato negli ultimi anni a livello internazionale nelle principali riviste scientifiche di riferimento per il settore.

Si conferma infine un buon livello di sinergia tra le varie unità operative sparse sul territorio nazionale: 8 delle 19 memorie (il 42%) presentano attività di ricerca derivanti dalla collaborazione tra sedi. Tali collaborazioni risentono ancora dei progetti svolti nell’ambito dei bandi PRIN 2022, alcuni dei quali citati esplicitamente nelle memorie. Risultano invece in calo le collaborazioni a livello internazionale (solo una memoria quest’anno vede la presenza di un coautore con afferenza estera, contro le quattro del 2024).

Le attività di ricerca relative alla linea A2 sono tradizionalmente caratterizzate da una notevole eterogeneità di ambiti applicativi. Per l’VIII Forum Nazionale delle Misure, le unità operative del GMEE hanno proposto per questa linea 17 memorie brevi (di cui 2 selezionate per la relazione ad invito), con una lieve flessione rispetto all’anno precedente (in cui furono 21). La ripartizione per tematica vede anche quest’anno una netta prevalenza delle tecniche di misura per applicazioni biomediche (41 %), seguite (23 %) da quelle a supporto di progetti in ambito mobilità (riguardanti non solo le misure di posizione e velocità di persone e oggetti, ma anche il settore automotive). Il rimanente 36% è equamente ripartito fra le tecniche di elaborazione dei dati di misura per reti e sistemi elettrici, per il monitoraggio ambientale e per varie altre applicazioni, tra cui si segnala anche l’ambito archeologico.

Si segnala inoltre un buon livello di sinergia tra le varie unità operative sparse sul territorio nazionale: 9 delle 17 memorie (52%) presentano attività di ricerca frutto di collaborazione tra due o più sedi. Tale collaborazione è stata probabilmente favorita dal finanziamento di diversi progetti PRIN 2022, alcuni dei quali citati esplicitamente nelle memorie stesse. Inoltre, 4 memorie su 17 (23%) sono il frutto di collaborazioni con partner internazionali, a conferma della vivacità scientifica di molte unità operative.

Per quanto riguarda le metodologie adottate, spicca il crescente ricorso a tecniche di machine learning, di deep learning o comunque legate all’uso dell’intelligenza artificiale. Tali tecniche sono infatti utilizzate in quasi il 50% delle attività di ricerca descritte nelle memorie di quest’anno, indipendentemente dall’ambito applicativo ed in linea con quanto osservato negli ultimi anni a livello internazionale nelle principali riviste scientifiche di riferimento per il settore. È opportuno sottolineare la rilevanza di queste metodologie nel campo delle misure e l’esigenza di una caratterizzazione ed analisi approfondita dell’incertezza.