Le attività di ricerca e studio condotte in Svezia riguardano il campo dell'apprendimento federato, con particolare riferimento alla gestione di ambienti dinamici ed eterogenei in ambito sanitario.
Dopo due anni di dottorato, dei quali diciotto mesi dedicati all'approfondimento del federated learning applicato alla sanità, il percorso di ricerca mi ha portato da Roma a Karlskrona, al Blekinge Institute of Technology, presso il Department of Computer Science, sotto la supervisione del Prof. Sadi Alawadi — già conosciuto durante la summer school «MEGADATA: Federated Machine Learning» all'Università di Tartu, in Estonia.
Il semestre, previsto dal regolamento dottorale come periodo di ricerca internazionale, si è svolto dal 1° aprile al 30 settembre 2025. Ha rappresentato non soltanto uno spostamento geografico, ma un percorso di crescita accademica e personale in un ambiente internazionale ad alta contaminazione disciplinare.
Il periodo svedese ha consolidato l'impianto metodologico della ricerca dottorale sul Federated Learning in ambienti eterogenei, ambito nel quale sono maturati i contributi presentati nelle conferenze internazionali del 2026 e i ruoli di revisione scientifica assunti successivamente.
Questo spazio è predisposto per il resoconto degli esiti puntuali — risultati sperimentali, collaborazioni proseguite, pubblicazioni nate dal periodo di ricerca.
I valori rimandano ai contenuti raccolti nelle sezioni Paper e Risorse, Diario di Ricerca e Network di Connessioni.
Il percorso dal 1° aprile al 30 settembre 2025, con le principali tappe del periodo di ricerca.
Arrivo in Svezia e prima settimana di orientamento. Incontro con il Prof. Sadi Alawadi e il team di ricerca. Definizione del piano di lavoro dettagliato.
Studio intensivo della letteratura esistente su Federated Learning in ambienti dinamici. Partecipazione ai seminari settimanali del dipartimento.
Implementazione di primi esperimenti con framework di Federated Learning. Analisi comparativa di modelli esistenti su dataset eterogenei.
Presentazione intermedia dei risultati al team di ricerca. Revisione del piano di lavoro e aggiustamento degli obiettivi basandosi sui feedback ricevuti.
Sviluppo e ottimizzazione del modello proposto. Implementazione di nuovi algoritmi per ambienti eterogenei e valutazione delle performance.
Stesura dettagliata dei risultati ottenuti. Preparazione del draft di un potenziale paper scientifico in collaborazione con il Prof. Alawadi.
Presentazione finale dei risultati ottenuti durante il semestre di ricerca. Pianificazione delle attività future e possibili collaborazioni a distanza.