Turning High-Dimensional Noise into Governing Equations
Estraiamo leggi fisiche interpretabili da sistemi complessi. Automatizziamo la scoperta scientifica attraverso lo Scientific Machine Learning (SciML) e la Regressione Simbolica.
The Scientific Record
Pubblicazioni che guidano il nostro lavoro in three direttrici di ricerca
Dynamical Phase Boundary in Long-Range Quantum Ising Chains
Identificazione della boundary α* tramite PySR
Symbolic Regression su sistemi quantistici complessi per estrarre parametri critici
Re-evaluating pIC50 Predictive Limits
Protocollo Honest OOF (Gold Standard R² = 0.74)
Validazione robusta di modelli predittivi QSAR con Out-of-Fold honesty
Dynamical Signatures via Symbolic Regression
Estrazione esponente critico z ≈ −0.91
Scoperta automatica di leggi di scaling da serie temporali numeriche
The Discovery Pipeline
Quattro pilastri della nostra metodologia scientifica
High-Fidelity Simulation
Generazione dataset via QuTiP & Monte Carlo
Simulazioni numeriche accurate per sistemi quantistici e classici complessi
Symbolic Distillation
Esplorazione dello spazio delle funzioni tramite PySR & SINDy
Algoritmi evolutivi per scoprire equazioni interpretabili da dati high-dimensional
Information Geometry
Analisi della Mutual Information e Gromov Hyperbolicity
Geometria differenziale per quantificare le proprietà topologiche dei modelli
Honest Validation
Validazione Out-of-Fold per garantire la generalizzazione reale
Protocolli rigorosi per evitare overfitting e bias di selezione
Strategic Solutions
Applicazioni business-oriented della nostra ricerca
Quant Finance
- Alpha Discovery
- Market Regime Identification
- Interpretable Signal Extraction
Deep Tech & Pharma
- Lead Optimization
- Interpretable QSAR Models
- Molecular Property Prediction
The Founder
Prof. Igor Merlini
Il Prof. Merlini guida ActarusLab fondendo il rigore della fisica della materia con l'agilità della data science moderna. La sua visione non è l'AI "black box", ma la trasparenza matematica: ogni modello deve essere leggibile, ogni predizione deve essere giustificabile.
Con un background in fisica teorica e machine learning, ha condotto ricerche su sistemi quantistici complessi, regressione simbolica e ottimizzazione molecolare. ActarusLab incarna questa filosofia: scienza riproducibile, metodi onesti, scoperta interpretabile.