Popillia japonica: generalità, danni in viticoltura e metodi di controllo

Popillia japonica Newman (Coleoptera, Scarabaeidae) o, più volgarmente, scarabeo giapponese, è un insetto che dagli aerali d’origine in Asia orientale è arrivato negli USA a partire dai primi del '900 e infine si è diffuso in numerosi territori nel mondo. In Italia, P. japonica, classificato come insetto da quarantena, si trova principalmente in due regioni: Piemonte e Lombardia; in Emilia-Romagna la presenza è ancora sporadica. Insetto altamente polifago e capace di nutrirsi a spese di molte specie botaniche, può causare danni diretti ed indiretti che vanno a inficiare la produzione e la qualità. Sulla vite, sia europea che americana, il coleottero adulto provoca defogliazioni che, se non controllate, possono portare ad una totale perdita della superfice fogliare. Le larve non attaccano direttamente la vite ma possono causare danni alla vegetazione erbacea di interfila e sottofila. È fondamentale limitare l’espansione di P. japonica sul territorio Italiano, poiché i danni che potrebbe causare ammonterebbero a svariati milioni di euro ogni anno. Le azioni di monitoraggio, che sono eseguite principalmente tramite trappole a feromoni e rilievi visivi, sono quindi di estrema importanza. Esistono vari metodi di gestione utili a contenere le popolazioni di P. japonica sia allo stato larvale che adulto. A oggi, i più efficaci si basano sull’utilizzo di insetticidi di sintesi attivi contro larve e adulti. I metodi di gestione agronomici possono contribuire a ridurre la presenza dell’insetto contenendo soprattutto la popolazione larvale e in parte anche quella adulta. Purtroppo i risultati ottenuti tramite lotta biologica sono, invece, piuttosto scarsi.

Modello neurocomputazionale per lo studio del benefit dell’integrazione multisensoriale nel processo mnemonico-associativo fra nomi propri e volti

Associare nomi propri a volti di persona è un compito importante, fondamentale nella quotidianità di tutti i giorni. Nonostante questa operazione avvenga quasi sempre in maniera automatica, essa coinvolge una rete neurale complessa ed articolata. Diversi studi offrono strategie che possono aiutare in questo compito; in particolare, è stato riportato che rafforzare i nomi con stimoli cross-modali, ossia presentando più input sensoriali esterni contemporaneamente, può costituire un vantaggio per il recupero in memoria dei nomi stessi. Lo scopo di questa tesi è stato quello di svolgere un’analisi di sensibilità tramite un modello neuro-computazionale su MatLab di ispirazione biologica. Nello specifico sono stati considerati due macro-network: uno per i volti, l’altro per i nomi propri; quest’ultimo in particolare a sua volta si compone di tre aree uni-sensoriali, ciascuna delle quali corrisponde ad un modo specifico con cui codificare un nome (traccia audio, lip reading, name tag). Questi network sono stati dunque implementati attraverso una configurazione articolata su due strati: si potrebbe infatti pensare alla fase di addestramento, basata su un algoritmo hebbiano, come un primo layer del processo, seguito così da un secondo layer, dato invece dalla fase di utilizzo. Dalle simulazioni svolte sembra emergere che addestrare in maniera efficiente le connessioni fra le aree uni-sensoriali dei nomi, ricreando così un'integrazione multi-sensoriale, sia un fattore fondamentale per favorire non solo il ricordo di un nome in sé, ma anche processi mnemonici-associativi che coinvolgono anche lo stimolo visivo di un volto. Le evidenze prodotte risultano inoltre qualitativamente coerenti con analoghi esperimenti in vivo.