Sistemi Multi-Agente Adattivi
Studio popolazioni di agenti che apprendono, seguono euristiche e deliberano, in interazione su reti economiche in evoluzione, per capire come l'adattamento locale plasmi le dinamiche aggregate.
- Sistemi Multi-Agente
- Apprendimento per Rinforzo
- Graph Neural Network
In questa linea di ricerca modello i sistemi economici come reti dinamiche e decentralizzate di decisori eterogenei. Invece di assumere un equilibrio globale iper-razionale, gli agenti operano con razionalità limitata, interazioni locali e strategie adattive (dall'apprendimento per rinforzo multi-agente a regole decisionali euristiche). Combinando scienza delle reti e modellazione ad agenti, analizzo come l'adattamento a livello micro dia origine a fenomeni macroeconomici, spostamenti di liquidità sui mercati e schemi sistemici emergenti.
Progetti
- Multi-Agent Orchestration Sistema di coordinamento multi-agente event-driven per procurement basato su aste, allocazione di inventario e fulfillment in tempo reale sotto incertezza della domanda.
- Multi-Agent Systems
- Event-Driven Systems
- Auctions
- Inventory Systems
- Agente AI per il Real Estate Agente AI autonomo per analisi del mercato immobiliare, stima dei prezzi e interazione in linguaggio naturale costruito su modelli predittivi e orchestrazione LLM.
- Side Quest
- AI Agents
- LLMs
- Predictive Modeling
- RiskSentinel - Simulatore Agentico di Rischio Sistemico Simulatore multi-agente di rischio sistemico per l'analisi del contagio finanziario su 210 titoli S&P 500, sviluppato per Microsoft AI Dev Days Hackathon 2026 e distribuito come app interattiva Streamlit.
- Hackathon
- Multi-Agent Systems
- Financial AI
- Systemic Risk