Con il Futuro Annunciato, serie di eventi rivolti agli studenti e alle studentesse della laurea triennale in discipline STEM, vogliamo presentare la spesso misconosciuta profondità intellettuale della scienza informatica e le straordinarie opportunità di carriera, scientifica e non, che essa offre.
Il Futuro Annunciato è una iniziativa nata in collaborazione con BiCi che ne ha curato la prima edizione per poi passare il testimone alla Fondazione ELICSIR.
Immaginate di essere un giovane fisico negli anni ’20 del secolo scorso. O una giovane biologa negli anni ’50, agli albori della biologia molecolare. Come scienziati viviamo per momenti come questi: un nuovo fecondo campo di indagine si apre, la scienza che ci aspetta è bella, sorprendente, profonda. Le opportunità per avere un impatto duraturo abbondano e ogni giorno sembra foriero di nuovi entusiasmanti sviluppi. E il mondo ci guarda.
Ciò che era vero per la fisica quantistica e la biologia molecolare post-DNA sta accadendo, proprio ora, in informatica, disciplina certo non nuova a rivoluzioni dirompenti: il computer, internet, il web hanno trasformato il mondo ben aldilà degli aspetti scientifico-tecnologici. Ma adesso si profila all’orizzonte una nuova rivoluzione informatica il cui impatto, se possibile, sarà ancora più grande.
Con la serie “il Futuro Annunciato”, rivolto agli studenti e alle studentesse della laurea triennale in discipline scientifico-tecnologiche, vogliamo presentare le straordinarie opportunità di carriera, scientifica e non, che l’informatica offrirà negli anni a venire. Faremo questo principalmente attraverso i racconti di alcuni giovani protagonisti, testimonianze di vita vissuta per illustrare cosa fanno i ricercatori in aziende come Google e OpenAI, come si fonda una startup di successo, cosa significa lavorare per un Premio Turing ad un progetto visionario e quali incredibili sfide scientifiche ci stanno innanzi.
Il programma consiste di una serie di seminari, tipicamente di carattere scientifico ma aperti anche ad altri ambiti di interesse, e di una serie di “testimonianze”– racconti di vita vissuta da parte di giovani ricercatori ed imprenditori del mondo informatico. Sono anche previsti incontri di lavoro riservati agli ortogonalisti.
Il programma è in fase di definizione e potrebbe subire delle modifiche
La partecipazione a questo incontro è gratuita ed è limitata agli studenti e alle studentesse iscritti ad una laurea triennale. I posti sono limitati e verranno assegnati sulla base di una valutazione del curriculum degli interessati. Vitto e alloggio dei partecipanti durante l’incontro saranno a carico dell’organizzazione.
Se volete partecipare al Futuro Annunciato (FA’26) potete fare domanda riempiendo questo modulo online.
Le domande pervenute entro la mezzanotte del 10 gennaio riceveranno una risposta entro il 17 gennaio. È possibile fare domanda anche dopo questo termine. Ulteriori domande saranno prese in considerazione, fino ad esaurimento dei posti disponibili.
Per avere ulteriori informazioni potete scriverci.
ARRIVO: programmate il vostro viaggio in modo da poter arrivare in tempo per la procedura di registrazione (vedi sotto).
REGISTRAZIONE: Al vostro arrivo dovete registrarvi. La procedura di registrazione (consegna del badge, assegnazione camera, ecc.) avrà luogo il giorno 30 Gennaio in orario 16-18 presso la struttura di San Servolo.
ALLOGGI: sarete alloggiati/e in camera doppia o tripla nella struttura di San Servolo
INIZIO LAVORI: Terminata la registrazione e la sistemazione in camera, recatevi presso l’Auditorium di San Servolo per le ore 18
Ozalp è “Professore Alma Mater” presso l’Università di Bologna dove è stato Professore Ordinario di Informatica dal 1988 al 2025. In precedenza, è stato Associate Professor nel Computer Science Department di Cornell University. Ha conseguito il PhD in Computer Science nel 1981 presso l’Università della California a Berkeley. Le sue estensioni della memoria virtuale per il sistema Unix di AT&T, sviluppate durante il dottorato a Berkeley, sono diventate la base per una lunga serie di distribuzioni “BSD Unix”. Ha ricevuto il Sakrison Memorial Award nel 1982 (insieme a Bill Joy), lo UNIX International Recognition Award nel 1989 e lo USENIX Association Lifetime Achievement Award nel 1993. Nel 2002 è stato nominato Fellow dell’ACM. Nel 2007 ha co-fondato la serie IEEE International Conference on Self-Adaptive and Self-Organizing Systems (SASO). Ha fatto parte dei comitati editoriali di ACM Transactions on Computer Systems, ACM Transactions on Autonomous and Adaptive Systems e Springer Distributed Computing.
È Presidente di ELICSIR e del Consiglio della Scuola Ortogonale.
Federico è un Research Scientist presso Google DeepMind a Londra, dove si occupa di architetture di Large Language Models (LLM), reasoning, addestramento su larga scala e teoria dei Transformer. Ha conseguito il dottorato presso l’Università di Oxford sotto la supervisione di Michael Bronstein. La sua tesi di dottorato ha vinto il premio per l’area dell’Informatica della Società Italiana di Intelligence.
Cristiano Giuffrida è Professore Ordinario presso il Dipartimento di Informatica della Vrije Universiteit Amsterdam. I suoi interessi di ricerca coprono diversi aspetti dei sistemi informatici, con particolare attenzione alla sicurezza dei sistemi. Ha conseguito il dottorato di ricerca (Ph.D.) con lode presso la Vrije Universiteit Amsterdam nel 2014. Nel 2015 ha ricevuto il Roger Needham Award a EuroSys e il Dennis M. Ritchie Award a SOSP per la migliore tesi di dottorato in Sistemi Informatici (in Europa e a livello mondiale). Ha inoltre ottenuto un finanziamento VENI (l’equivalente olandese di un NSF CAREER Award, PhD+3) nel 2017, il VMware Early Career Faculty Award nel 2020, il Jochen Liedtke Young Researcher Award a EuroSys nel 2022 e il Dutch Prize per la Ricerca in ICT nel 2023.
Francesco Locatello è professore associato tenure-track presso l’Institute of Science and Technology Austria (ISTA) e AI resident presso la Chan Zuckerberg Initiative. In precedenza è stato senior applied scientist presso Amazon Web Services, dove ha guidato il team di Causal Representation Learning. Ha conseguito il dottorato di ricerca presso l’ETH di Zurigo sotto la co-supervisione di Gunnar Rätsch e Bernhard Schölkopf. La sua ricerca ha ricevuto numerosi riconoscimenti, tra cui il Best Paper award a ICML 2019, il premio della Hector Foundation per risultati di eccellenza nel machine learning conferito dalla Heidelberg Academy of Science nel 2023 e il Google Research Scholar Award nel 2024.
Marco Mondelli ha ottenuto una laurea triennale e specialistica in Ingegneria delle Telecomunicazioni a Pisa rispettivamente nel 2010 e nel 2012, ed è stato Allievo Ordinario del corso di Ingegneria presso la Scuola Superiore Sant’Anna durante quel periodo. Nel 2016 Marco ha ottenuto un dottorato in Computer and Communication Sciences all’EPFL, nel 2017-2019 è stato Postdoc a Stanford, e nel 2018 un Research Fellow al Simons Institute for the Theory of Computing. Marco ha una posizione all’Institute of Science and Technology Austria (ISTA) dal 2019, prima come tenure-track Assistant Professor e dal 2025 come Professor. I suoi interessi di ricerca includono data science, machine learning, statistica in alta dimensione, teoria dei codici e teoria dell’informazione. Marco ha ricevuto l’ISIT Student Paper Award nel 2015, lo STOC Best Paper Award nel 2016, l’EPFL Doctorate Award nel 2018, la Simons-Berkeley Research Fellowship nel 2018, il Lopez-Loreta Prize nel 2019, l’Information Theory Society Best Paper Award nel 2021 e l’ERC Starting Grant nel 2024.
Alessandro è Professore Ordinario di Informatica presso l’Università Sapienza di Roma. Ha conseguito il PhD in Informatica presso la Cornell University. I suoi interessi di ricerca comprendono tutto ciò che riguarda gli algoritmi, con un’attenzione particolare agli algoritmi randomizzati e distribuiti e, più di recente, al machine learning. È Presidente del BICI, il Bertinoro International Center for Informatics. Ha ricevuto riconoscimenti internazionali per la sua ricerca, tra cui l’ACM Danny Lewin Best Student Paper Award, il Dijkstra Prize e faculty award di IBM, Yahoo! e Google e, per due volte, il Google Focused Award. Ha fatto parte del comitato di programma di conferenze di riferimento, tra cui SODA, PODC, ICALP, WWW e KDD assumendo anche ruoli di leadership. È associate editor di JCSS.
È membro del consiglio direttivo di ELICSIR e del Consiglio della Scuola Ortogonale.
Geppino è Professore Ordinario di Informatica presso l’Università di Padova. Dopo il PhD in Informatica presso l’Università di Pisa, è stato Postdoc presso l’International Computer Science Institute di Berkeley. Nell’ateneo padovano, è stato membro del Senato Accademico e Presidente dei Corsi di Studio in Ingegneria Informatica. La sua attività di ricerca si concentra su algoritmi per l’analisi dei big data e sul calcolo ad alte prestazioni. È autore o coautore di oltre cento pubblicazioni su riviste o conferenze internazionali, ha conseguito tre best paper award (IPDPS 2004, ICCS 2004, Euro-Par 2023), è stato nel comitato editoriale del Journal of Discrete Algorithms e nel Program Committee (anche con ruoli di chair o vice chair) di numerose conferenze di riferimento per la comunità scientifica, tra cui SPAA, ICALP, IPDPS e WWW.
In ELICSIR è mentore della Scuola Ortogonale.
Simona è Professoressa Ordinaria di Informatica presso l’Università degli studi di Palermo. Le sue attività di ricerca riguardano la progettazione di algoritmi per l’analisi e l’estrazione di conoscenza da grandi quantità di dati, in vari contesti applicativi. Ha ricoperto il ruolo di Principal Investigator per numerosi progetti di ricerca, sia nazionali che internazionali, anche di grande entità. È Associate Editor per Journal of Big Data e fa parte di diversi comitati editoriali, tra cui quelli di BMC Bioinformatics e Journal of Computational Biology. È CEO e socia co-fondatrice di una startup innovativa che opera nel campo dell’Intelligenza Artificiale per il supporto alla Medicina di Precisione. Tra i vari riconoscimenti, ha vinto nel 2023 il PREMIO ITWIIN “Capacity Building”, conferitole dall’Associazione Italiana Donne Inventrici e Innovatrici “per aver dimostrato una notevole capacità di coordinamento di un gruppo di ricerca e di uno spin-off accademico, in grado di raggiungere notevoli risultati scientifici e applicazioni di grande utilità nell’attuale contesto storico e sociale”.
In ELICSIR è mentore della Scuola Ortogonale.
Alessandro Verri è Professore Ordinario di Informatica presso l’Università di Genova dal 2000. Dopo la laurea e il Dottorato di Ricerca in Fisica entrambi presso l’Università di Genova è stato numerose volte post-doc, visiting scientist e visiting professor presso il MIT dove ha insegnato Networks for Learning con Tomaso Poggio per tre anni. E’ stato post-doc presso l’ICSI di Berkeley e visiting scholar all’INRIA IRISA di Rennes e alla Heriot-Watt University di Edimburgo. I suoi interessi di ricerca ruotano attorno agli aspetti teorici e applicati della computazione con particolare riguardo alla computer vision e al machine learning. Le sue pubblicazioni hanno ricevuto circa 16000 citazioni e il suo indice h è 48. È stato advisor di 20 studenti di dottorato e coordinato e partecipato a numerosi progetti internazionali e nazionali di ricerca sia fondazionali sia di trasferimento tecnologico. Ha insegnato corsi su temi quali introduzione alla programmazione, architetture dei calcolatori, teoria dell’informazione e inferenza e analisi e progettazione di algoritmi per la laurea triennale di Informatica, computer vision, digital signal processing, machine learning e reinforcement learning per la laurea magistrale in Computer Science. E’ stato direttore di dipartimento dal 2007 al 2012 e coordinatore dei corsi di studio in Informatica dal 2017 al 2022 e, nuovamente, dal 2025.
Silvia Zuffi è Senior Research Scientist presso l’IMATI (Istituto di Matematica Applicata e Tecnologie Informatiche) del Consiglio Nazionale delle Ricerche (CNR) a Milano. Ha conseguito il dottorato di ricerca in Informatica presso la Brown University, dove la sua tesi si è concentrata su “Shape models of the human body for distributed inference” sotto la supervisione del Prof. Michael J. Black. Il suo percorso accademico include anche un Master of Science in Informatica presso la Brown University e una laurea in Ingegneria Elettronica presso l’Università di Bologna. Ha inoltre svolto un periodo di ricerca post-dottorato presso il gruppo Perceiving Systems del Max Planck Institute for Intelligent Systems (Tübingen, Germania).
La sua ricerca si colloca all’intersezione tra computer vision, graphics e machine learning, con un’attenzione particolare alla stima della posa e della forma di esseri umani e animali a partire da immagini e dati video. Nel corso della sua carriera ha contribuito alla modellazione realistica di corpi articolati e allo sviluppo di modelli generativi per la ricostruzione 3D della forma e della posa degli animali. I suoi lavori precedenti includono ricerche nell’ambito dell’imaging a colori, dell’imaging multispettrale e della percezione visiva.
I progetti attualmente in corso di Silvia affrontano le sfide legate alla ricostruzione della forma e della posa 3D degli animali a partire da immagini “in the wild”, fornendo strumenti per applicazioni in ecologia, conservazione, benessere animale e visual computing.
Contemporary cryptography is an essential tool for enhancing cybersecurity of systems and has transitioned from heuristic obfuscation techniques to algorithms with rigorous mathematical foundations. In this talk, I will delve into the RSA algorithm for asymmetric, or public-key, cryptography and show how it can satisfy the requirements of modern cryptography which include confidentiality, authentication and non-repudiation, making it suitable for implementing digital signatures. I will then present problems related to the management of secret keys and discuss techniques for secret sharing and key escrow. Finally, I will discuss digital certificates, certification and Public-Key Infrastructures (PKI) which are essential for public-key cryptography but are often ignored.
Racconterò il mio percorso, partendo dagli studi di dottorato fino all’attuale ruolo in Google DeepMind. Inizierò discutendo la mia ricerca teorica sulle Graph Neural Networks e come questa mi abbia portato a uno stage di tre mesi presso Microsoft Research ad Amsterdam, dove mi sono occupato di protein folding. Parlerò successivamente delle mie due internship a DeepMind, focalizzate rispettivamente sul reasoning e sulla sicurezza nel machine learning, per concludere con una panoramica della mia attuale esperienza come Research Scientist e delle sfide aperte nell’industria. Infine, offrirò la mia prospettiva sui vantaggi e gli svantaggi di intraprendere un dottorato in machine learning.
For decades, the security community has operated under a simple assumption: if we could just eliminate software bugs, we could eliminate most security problems. But what happens when attackers no longer need bugs at all? In this talk, we explore a new and unsettling reality in which even “perfect” software can be compromised. Modern attacks increasingly exploit the physical world beneath our abstractions, that is, subtle side channels created by performance optimizations such as memory deduplication and hardware flaws like the Rowhammer DRAM vulnerability. These techniques allow attackers to bypass traditional defenses entirely and break systems that, on paper, should be “bug-free.”
Through real-world examples, we will uncover why the foundations of computer security are shifting and why understanding hardware-level vulnerabilities is becoming essential for the next generation of security engineers and researchers.
In this presentation, I will look back on my path from the Venetian countriside to causality research. I will discuss how opportunity shaped my research interests, from my studies in Information Engineering, to a random encounter that led to my master studies at ETH Zürich. How indecision led me to a PhD, after which I was sure my path would be in industry research only to move back to the university as an assistant professor. Alongside this trajectory, I will discuss the research questions that have motivated me, from algorithms to big data and machine learning, all the way to leading a causality research group.
Siamo al centro di una rivoluzione nell’informatica, in cui i dati rappresentano la risorsa più preziosa. Sfruttare questo numero crescente di dati richiede di affrontare complessi problemi di inferenza e, attraverso la mia carriera, ho lavorato per sviluppare soluzioni basate su principi matematici. Questi problemi di inferenza abbracciano diversi campi e sorgono in una varietà di applicazioni provenienti dall’ingegneria e dalle scienze naturali. In particolare, parlerò di comunicazioni wireless e machine learning. Nelle comunicazioni wireless, dato un canale di trasmissione, l’obiettivo è inviare informazioni codificate come un messaggio, ottimizzando al contempo determinate metriche, come complessità, affidabilità, latenza, throughput o larghezza di banda. Nel machine learning, dato un modello per le osservazioni, l’obiettivo è capire quanti dati trasmettono informazione sufficiente per risolvere un dato problema e quali sono i modi ottimali per utilizzare tali dati. Sia la visione generale che gli specifici strumenti tecnici che uso si ispirano alla teoria dell’informazione, che porta all’indagine delle seguenti domande fondamentali: qual è la quantità minima di informazioni necessaria per risolvere il problema di inferenza? Data questa quantità minima di informazioni, è possibile progettare un algoritmo a bassa complessità? Quali sono i trade-off tra i parametri in gioco (ad esempio, dimensionalità del problema, dimensione del campione di dati, complessità)? Concluderò discutendo come questi strumenti teorici si applicano a problemi pratici in biologia computazionale.
La stagione degli algoritmi randomizzati con garanzie matematiche di correttezza nasce verso la metà degli anni settanta del secolo scorso con risultati come Solovay–Strassen e Miller–Rabin per il test di primalità e le prime tecniche di hashing e fingerprinting rigorosamente analizzate. Da allora il ricorso al caso è diventato uno strumento algoritmico centrale, aprendo un filone ricchissimo tuttora fondamentale. Per esemplificare il tema, in questo seminario vedremo insieme abbastanza nel dettaglio un paio di eleganti algoritmi probabilistici per problemi algoritmici fondamentali.
La crescita vertiginosa del volume e della velocità dei flussi di dati generati in numerosi contesti (dalla fisica delle alte energie, alle reti sociali, fino al trading online) impone modelli di calcolo e tecniche algoritmiche capaci di elaborare dinamicamente tali flussi, senza poterli prima memorizzare per intero per poi applicare le metodologie offline tradizionali. Questo seminario introduce il modello di streaming, un paradigma computazionale pensato per l’elaborazione di dati ad alta velocità. Partiremo da alcuni semplici esempi, al fine di evidenziare le differenze tra il progetto di algoritmi offline e quelli in streaming, per poi presentare le principali varianti del modello e alcune tecniche fondamentali — tra cui reservoir sampling e sketching — che consentono di eseguire elaborazioni efficienti utilizzando una quantità di memoria indipendente dalla dimensione dello stream. Concluderemo illustrando qualche applicazione delle tecniche di base a problemi centrali nell’analisi dei dati.
La Medicina di Precisione costituisce una delle maggiori promesse in ambito medicale. L’obiettivo è quello di progettare e specializzare le cure a seconda delle esigenze e delle caratteristiche dei pazienti, che possono essere differenziati in varie categorie. Sebbene siano stati compiuti numerosi progressi in questa direzione in ambito oncologico, molte altre malattie (e.g., croniche, rare, ecc.) sono ancora ben lontane dal poter essere affrontate con questa metodologia. Tra le ragioni principali emerge che, spesso, i medici non dispongono di strumenti adeguati a supporto delle loro decisioni, soprattutto nei casi più complessi. Consentire loro di avere accesso in modo automatico a una quantità maggiore di informazioni, ben organizzate e strutturate e da cui è possibile estrarre nuova conoscenza utile per le loro decisioni, costituisce un importante contributo per rendere la Medicina di Precisione applicabile su scala più ampia. Questo consentirebbe di evitare, ad esempio, test diagnostici non necessari, come anche il rischio di gravi effetti collaterali, migliorando sia l’aderenza alle terapie, che la qualità e la durata della vita dei pazienti, con notevoli risparmi per l’intero sistema sanitario. Strumenti software basati su tecnologie innovative, ad esempio nell’ambito dei Big Data e dell’Intelligenza Artificiale, possono assumere un ruolo chiave in questo scenario e concorrere alla progettazione di prodotti con elevato impatto all’interno del mercato d’interesse.
La Computer Vision ha vissuto e sta ancora vivendo un periodo di grandi cambiamenti. Passando brevemente in rassegna vecchi problemi e nuove soluzioni difenderò un punto di vista critico che riconosce la qualità e l’importanza di quanto sviluppato a oggi e, allo stesso tempo, riflette su quanto ancora resti da fare e da capire in uno dei campi che ha giocato un ruolo fondamentale nello sviluppo delle tecnologie di machine learning che oggi vanno per la maggiore.
Understanding animals from visual data is a complex challenge with important applications in ecology, veterinary science, robotics, and computer graphics. In this talk, I will present our work toward automatic 3D reconstruction, focusing on the development of realistic and controllable 3D animal models. I will show how these models can be used to infer the 3D pose and shape of animals from images and video, ultimately providing a foundation for the development of automated methods for behaviour analysis.
Isola di San Servolo, Venezia
L’evento si terrà nella serena e pittoresca isola di San Servolo, nel cuore di Venezia, presso il Campus VIU.
L’isola è completamente adibita a centro congressi, con servizi di foresteria e ristorazione.
Gli studenti saranno alloggiati in stanze doppie o triple dotate di bagno indipendente.
L’Isola di San Servolo si trova a 10 minuti di barca da Piazza San Marco, Venezia.
Il vaporetto n°20 parte dal molo B di San Zaccaria, lungo la riva adiacente a Piazza San Marco. Il molo B si trova di fronte all’Hotel Londra Palace.
Inoltre, la linea 10 collega Zattere a San Servolo due volte al giorno, alle 8:14 e alle 8:34, su richiesta. Si prega di contattare il personale a bordo se si utilizza la linea 10.
Controlla eventuali aggiornamenti e consulta gli orari correnti per altre rotte sul sito ACTV.
Per orari e percorsi dei vaporetti vi consigliamo la app CheBateo?
La principale stazione ferroviaria di Venezia è Venezia Santa Lucia.
Da lì, per raggiungere la fermata del vaporetto San Zaccaria, prendi la Linea n°4.1 o la Linea n°5.1 e scendi alla fermata San Zaccaria.
Ci sono diversi servizi che collegano l’aeroporto a Venezia:
Taxi Acqueo (diretto) e Taxi (via Stazione Ferroviaria Venezia Santa Lucia)
Puoi prendere un taxi acqueo privato direttamente fino alla tua destinazione finale (una scelta costosa, che dall’aeroporto a San Servolo costa circa €130,00). In alternativa, puoi prendere un taxi terrestre fino alla stazione ferroviaria Venezia Santa Lucia.
Servizio di vaporetto Alilaguna LINEA BLU (via centro città)
Questa compagnia offre un servizio che collega l’aeroporto a Murano, il Lido, l’Arsenale, con una fermata finale vicino a Piazza San Marco.
Autobus ATVO (dall’Aeroporto Marco Polo di Venezia a Venezia Piazzale Roma)
Questi autobus navetta blu e gialli collegano l’aeroporto a Piazzale Roma (vicino alla stazione Venezia Santa Lucia) e partono davanti all’ingresso della sala partenze. I biglietti possono essere acquistati presso i distributori automatici situati nella sala bagagli, nella sala arrivi e all’esterno dell’aeroporto.
© ELICSIR Foundation ETS 2026 - All right reserved
Questo sito utilizza cookie tecnici e di profilazione per migliorare la tua esperienza di navigazione. Continuando a navigare nel sito acconsenti all'uso dei cookie.
