Non-linear modelling of microwave devices embedding nano-ferroelectric materials for real-time reconfigurable transmitarray

In this thesis work a nonlinear model for Interdigitated Capacitors (IDCs) based on ferroelectric materials, is proposed. Through the properties of materials such as Hafnium-Zirconium Oxide (HfZrO2), it is possible to realize tunable radiofrequency (RF) circuits. In particular, the model proposed in this thesis describes the use of an IDC, realized on a High-Resistivity silicon substrate, as a phase shifter for beam-steering applications. The model is obtained starting from already present experimental measurements, through which it is possible to identify a circuit model. The model is tested for both low power values and other power values using Harmonic Balance simulations, which show an excellent convergence of the model up to 40 dBm of input power. Furthermore, an array composed by two patches operating both at 2.55 GHz, which exploits the tunable properties of the HfZrO-based IDC is proposed. At 0dBm the model shows a 47° phase shift with polarization -1 V and 1 V which leads to a 11° steering of the main lobe of the array.

Embedding Starobinsky inflation in string compactifications

A period of accelerated expansion of the primordial universe, known as inflation, represents the standard paradigm for the early universe cosmology. While inflation agrees with observational constraints, a complete understanding of its physical origin is not available yet. This suggests the necessity of an embedding into a more fundamental theory. String theory is arguably the best-developed candidate for an ultra-violet (UV) complete theory of gravity and string compactifications could provide a natural framework for addressing this issue. The aim of this thesis work is to investigate the potential embedding of Starobinsky inflation in effective field theories arising in string compactifications. In particular, we focus on two main objectives. The first one is the evaluation of Yukawa-like couplings in f (R)-theories of gravity with fermions, more specifically in the context of Starobinsky inflation. The second goal is understanding if any of the moduli which naturally arise in string compactifications has the right form of this coupling and displays the correct scalar potential, as needed for a possible identification with the scalar field driving Starobinsky inflation.

Embedding Video Object Detection Capabilities on Low-Power Nano-Drones

Our objective for this thesis work was the deployment of a Neural Network based approach for video object detection on board a nano-drone. Furthermore, we have studied some possible extensions to exploit the temporal nature of videos to improve the detection capabilities of our algorithm. For our project, we have utilized the Mobilenetv2/v3SSDLite due to their limited computational and memory requirements. We have trained our networks on the IMAGENET VID 2015 dataset and to deploy it onto the nano-drone we have used the NNtool and Autotiler tools by GreenWaves. To exploit the temporal nature of video data we have tried different approaches: the introduction of an LSTM based convolutional layer in our architecture, the introduction of a Kalman filter based tracker as a postprocessing step to augment the results of our base architecture. We have obtain a total improvement in our performances of about 2.5 mAP with the Kalman filter based method(BYTE). Our detector run on a microcontroller class processor on board the nano-drone at 1.63 fps.

Costruzioni modulari in linguaggi con tipi dipendenti.

In questa tesi si indaga come è possibile strutturare in modo modulare programmi e prove in linguaggi con tipi dipendenti. Il lavoro è sviluppato nel linguaggio di programmazione con tipi dipendenti Agda. Il fine è quello di tradurre l'approccio Datatypes à la carte, originariamente formulato per Haskell, in Type Theory: puntiamo ad ottenere un simile embedding di una nozione di sottotipaggio per tipi ricorsivi, che permetta sia la definizione di programmi con side-effect dove i diversi effetti sono definiti modularmente, che la modularizzazione di sintassi, semantica e ragionamento relativi a descrizioni di linguaggi.

Un teorema di immersione di Whitney

Nella tesi vengono introdotte le varietà differenziabili per poter trattare un problema di immergibilità di varietà differenziabili. Viene data una dimostrazione di un teorema di Whitney nel caso di varietà differenziabili compatte. Il teorema stabilisce che per una varietà compatta di dimensione n esiste un embedding nello spazio euclideo di dimensione 2n+1. Whitney stesso ha migliorato questo risultato, dimostrando che una varietà differenziabile può essere immersa tramite un embedding nello spazio euclideo di dimensione 2n. Nella tesi vengono dati alcuni esempi di questo miglioramento del teorema.

Metriche riemanniane e immersioni isometriche

Attraverso alcuni esempi la tesi mostra che una stessa varietà differenziabile può essere munita di strutture riemanniane diverse e, a seconda della metrica, può variare la dimensione del più piccolo spazio euclideo in cui la varietà può essere immersa.

Supergeometry: a categorical point of view

In questa tesi viene studiato l'approccio funtoriale alla supergeometria. In particolare si usano le topologie di Grothendieck per studiare il concetto di rappresentabilità in questo contesto, in analogia a quanto fatto in geometria algebrica classica. Vengono poi introdotti i funtori di Weil-Berezin e lo Schwarz embedding, motivando i legami tra questi concetti e la rappresentabilità nel caso classico.

La superficie di Boy: una immersione del piano proiettivo nello spazio ordinario

È ben noto che non è possibile definire un embedding dello spazio proiettivo P^2(R) in R^3. Werner Boy nel 1901 provò per via teorica l’esistenza di un’immersione di P^2 in R^3: l’immagine di tale immersione è nota come superficie di Boy. Successivamente tale immersione venne fornita esplicitamente e si dimostrò che la superficie di Boy poteva essere ottenuta deformando la superficie romana di Steiner. Quest’ultima è una rappresentazione di P^2(R) in R^3 che non è tuttavia un’immersione, per la presenza di punti singolari detti pinch points.

Analisi della polarità su chat di livestreaming

La Sentiment analysis, nata nell'ambito dell’informatica, è una delle aree di ricerca più attive nel campo dell’analisi del linguaggio naturale e si è diffusa ampiamente anche in altri rami scientifici come ad esempio le scienze sociali, l’economia e il marketing. L’enorme diffusione della sentiment analysis coincide con la crescita dei cosiddetti social media: siti di commercio e recensioni di prodotti, forum di discussione, blog, micro-blog e di vari social network. L'obiettivo del presente lavoro di tesi è stato quello di progettare un sistema di sentiment analysis in grado di rilevare e classificare le opinioni e i sentimenti espressi tramite chat dagli utenti della piattaforma di video streaming Twitch.tv. Per impostare ed organizzare il lavoro, giungendo quindi alla definizione del sistema che ci si è proposti di realizzare, sono stati utilizzati vari modelli di analisi in particolare le recurrent neural networks (RNNLM) e sistemi di word embedding (word2vec),nello specifico i Paragraph Vectors, applicandoli, dapprima, su dati etichettati in maniera automatica attraverso l'uso di emoticon e, successivamente, su dati etichettati a mano.

Damping and Thermomechanical behaviour of CFRP laminates modified with rubbery nanofibers

Nanofibrous membranes are a promising material for tailoring the properties of laminated CFRP composites by embedding them into the structure. This project aimed to understand the effect of number, position and thickness of nanofibrous modifications specifically on the damping behaviour of the resulting nano-modified CFRP composite with an epoxy matrix. An improvement of damping capacity is expected to improve a composites lifetime and fatigue resistance by prohibiting the formation of microcracks and consequently hindering delamination, it also promises a rise in comfort for a range of final products by intermission of vibration propagation and therefore diminution of noise. Electrospinning was the technique employed to produce nanofibrous membranes from a blend of polymeric solutions. SEM, WAXS and DSC were utilised to evaluate the quality of the obtained membranes before they were introduced, following a specific stacking sequence, in the production process of the laminate. A suitable curing cycle in an autoclave was applied to mend the modifications together with the matrix material, ensuring full crosslinking of the matrix and therefore finalising the production process. DMA was exercised in order to gain an understanding about the effects of the different modifications on the properties of the composite. During this investigation it became apparent that a high number of modifications of laminate CFRP composites, with an epoxy matrix, with thick rubbery nanofibrous membranes has a positive effect on the damping capacity and the temperature range the effect applies in. A suggestion for subsequent studies as well as a recommendation for the production of nano-modified CFRP structures is included at the end of this document.

Apprendimento non supervisionato di rappresentazioni e legami di similarità tra eventi menzionati nella letteratura biomedica

L'estrazione automatica degli eventi biomedici dalla letteratura scientifica ha catturato un forte interesse nel corso degli ultimi anni, dimostrandosi in grado di riconoscere interazioni complesse e semanticamente ricche espresse all'interno del testo. Purtroppo però, esistono davvero pochi lavori focalizzati sull'apprendimento di embedding o di metriche di similarità per i grafi evento. Questa lacuna lascia le relazioni biologiche scollegate, impedendo l'applicazione di tecniche di machine learning che potrebbero dare un importante contributo al progresso scientifico. Approfittando dei vantaggi delle recenti soluzioni di deep graph kernel e dei language model preaddestrati, proponiamo Deep Divergence Event Graph Kernels (DDEGK), un metodo non supervisionato e induttivo in grado di mappare gli eventi all'interno di uno spazio vettoriale, preservando le loro similarità semantiche e strutturali. Diversamente da molti altri sistemi, DDEGK lavora a livello di grafo e non richiede nè etichette e feature specifiche per un determinato task, nè corrispondenze note tra i nodi. A questo scopo, la nostra soluzione mette a confronto gli eventi con un piccolo gruppo di eventi prototipo, addestra delle reti di cross-graph attention per andare a individuare i legami di similarità tra le coppie di nodi (rafforzando l'interpretabilità), e impiega dei modelli basati su transformer per la codifica degli attributi continui. Sono stati fatti ampi esperimenti su dieci dataset biomedici. Mostriamo che le nostre rappresentazioni possono essere utilizzate in modo efficace in task quali la classificazione di grafi, clustering e visualizzazione e che, allo stesso tempo, sono in grado di semplificare il task di semantic textual similarity. Risultati empirici dimostrano che DDEGK supera significativamente gli altri modelli che attualmente detengono lo stato dell'arte.

Data modelling su database non relazionali: confronto di prestazioni su operazioni CRUD

Gli obiettivi di questi tesi sono lo studio comparativo di alcuni DBMS non relazionali e il confronto di diverse soluzioni di modellazione logica e fisica per database non relazionali. Utilizzando come sistemi di gestione due DBMS Document-based non relazionali, MongoDB e CouchDB, ed un DBMS relazionale, Oracle, sarà effettuata un’analisi di diverse soluzione di modellazione logica dei dati in database documentali e uno studio mirato alla scelta degli attributi sui quali costruire indici. In primo luogo verrà definito un semplice caso di studio su cui effettuare i confronto, basato su due entità in relazione 1:N, sulle quali sarà costruito un opportuno carico di lavoro. Idatabase non relazionali sono schema-less, senza schema fisso, ed esiste una libertà maggiore di modellazione. In questo lavoro di tesi i dati verranno modellati secondo le tecniche del Referencing ed Embedding che consistono rispettivamente nell’inserimento di una chiave (riferimento) oppure di un intero sotto-documento (embedding) all’interno di un documento per poter esprimere il concetto di relazione tra diverse entità. Per studiare l’opportunità di indicizzare un attributo, ciascuna entità sarà poi composta da due triplette uguali di attributi definiti con differenti livelli di selettività, con la differenza che su ciascun attributo della seconda sarà costruito un indice. Il carico di lavoro sarà costituito da query definite in modo da poter testare le diverse modellazioni includendo anche predicati di join che non sono solitamente contemplati in modelli documentali. Per ogni tipo di database verranno eseguite le query e registrati i tempi, in modo da poter confrontare le performance dei diversi DBMS sulla base delle operazioni CRUD.

Hierarchical Multi-Label Text Classification in a Low-Resource Setting

In this thesis we address a multi-label hierarchical text classification problem in a low-resource setting and explore different approaches to identify the best one for our case. The goal is to train a model that classifies English school exercises according to a hierarchical taxonomy with few labeled data. The experiments made in this work employ different machine learning models and text representation techniques: CatBoost with tf-idf features, classifiers based on pre-trained models (mBERT, LASER), and SetFit, a framework for few-shot text classification. SetFit proved to be the most promising approach, achieving better performance when during training only a few labeled examples per class are available. However, this thesis does not consider all the hierarchical taxonomy, but only the first two levels: to address classification with the classes at the third level further experiments should be carried out, exploring methods for zero-shot text classification, data augmentation, and strategies to exploit the hierarchical structure of the taxonomy during training.

Knowledge-based Chord Embeddings

This thesis develops AI methods as a contribution to computational musicology, an interdisciplinary field that studies music with computers. In systematic musicology a composition is defined as the combination of harmony, melody and rhythm. According to de La Borde, harmony alone "merits the name of composition". This thesis focuses on analysing the harmony from a computational perspective. We concentrate on symbolic music representation and address the problem of formally representing chord progressions in western music compositions. Informally, chords are sets of pitches played simultaneously, and chord progressions constitute the harmony of a composition. Our approach combines ML techniques with knowledge-based techniques. We design and implement the Modal Harmony ontology (MHO), using OWL. It formalises one of the most important theories in western music: the Modal Harmony Theory. We propose and experiment with different types of embedding methods to encode chords, inspired by NLP and adapted to the music domain, using both statistical (extensional) knowledge by relying on a huge dataset of chord annotations (ChoCo), intensional knowledge by relying on MHO and a combination of the two. The methods are evaluated on two musicologically relevant tasks: chord classification and music structure segmentation. The former is verified by comparing the results of the Odd One Out algorithm to the classification obtained with MHO. Good performances (accuracy: 0.86) are achieved. We feed a RNN for the latter, using our embeddings. Results show that the best performance (F1: 0.6) is achieved with embeddings that combine both approaches. Our method outpeforms the state of the art (F1 = 0.42) for symbolic music structure segmentation. It is worth noticing that embeddings based only on MHO almost equal the best performance (F1 = 0.58). We remark that those embeddings only require the ontology as an input as opposed to other approaches that rely on large datasets.