Dallestrade di una cittàalle linee ditrasporto urbano, fino alle relazioni che collegano gli utenti deisocial network, lereti complessesono spessodifficili da capiree analizzareper i sistemi di Intelligenza Artificiale, che ora hanno però unnuovo strumentoa disposizione: unmetodo innovativo cheriesce a preservareunmaggior numero di informazioni importantirispetto a quelli attuali, ma che mantienetempi di calcolonettamenteinferiori. È stato messo a punto grazie alla collaborazione tra Scuola Imt Alti Studi Lucca, Scuola Superiore Sant'Anna di Pisa e Università danese di Aalborg. Il risultato, pubblicato sulla rivista Ieee Transactions on Knowledge and Data Engineering, aprenuove applicazioni in campi come i sistemi biologici, i trasporti e i social.

Oggi, molte informazioni sono descritte come reti, nelle quali ci sono nodi ed elementi collegati tra loro da determinate relazioni. Per permettere agli algoritmi di IA di elaborarle, idati vanno trasformati in numeri,ma imetodi tradizionalipresentano un grosso limite: spessosi concentrano solo sulla distanza tra i nodi, perdendo così l'informazione fondamentale del ruolo che ciascun nodo ricopre nella rete.

La soluzione elaborata da Giuseppe Squillace e Mirco Tribastone della Scuola Imt di Lucca, Max Tschaikowski dell'Ateneo danese e Andrea Vandin del Sant'Anna di Pisa risolve questo problema. Ilnuovo metodo, infatti, èin grado di preservarenon solo ladistanza tra i vari elementi della rete, ma anche il lororuolo. Inoltre, èprogettato per funzionare sureti molto grandidotate anche di connessioni molto complesse, mantenendo tempi di calcolo significativamente ridotti rispetto alle soluzioni esistenti.