Francesco Locatello riceve la Google PhD Fellowship

Gli interessi di ricerca di Francesco si concentrano sui fondamenti degli algoritmi di ottimizzazione e su come utilizzare le loro proprietà per l'inferenza. Ha dimostrato la convergenza di diversi algoritmi per i quali non era nota la convergenza, in particolare per gli algoritmi senza proiezione su vincoli conici e per l'inferenza variazionale boosting. Inoltre, insieme al suo collaboratore Anant Raj, è stato tra i primi a dimostrare la convergenza accelerata di Greedy Coordinate Descent.

Ha lavorato anche sull'ottimizzazione non liscia, dimostrando che una variante di Frank-Wolfe stocastico è in grado di gestire i vincoli di funzione indicatore su scala, oltre ai consueti vincoli convessi. Ciò riguarda l'ottimizzazione stocastica scalabile di programmi semidefiniti. I progressi metodologici di questo tipo possono avere implicazioni in tutta una serie di applicazioni che si basano sulla programmazione semidefinita, come l'apprendimento dei kernel, la stima online della matrice di covarianza, la PCA in streaming, ecc.

Recentemente ha lavorato sull'apprendimento delle rappresentazioni in collaborazione con Google AI a Zurigo. Si è concentrato sull'apprendimento non supervisionato di rappresentazioni disgiunte, considerate fondamentali per l'apprendimento delle rappresentazioni. Le rappresentazioni disentangolate dovrebbero contenere tutte le informazioni sulle osservazioni in una struttura compatta ma interpretabile, che facilita l'apprendimento di qualsiasi compito a valle. Il suo lavoro ha evidenziato le gravi limitazioni degli approcci più avanzati, dimostrando che non solo il disentanglement non supervisionato è teoricamente impossibile, ma anche che molte delle promesse del disentanglement non vengono mantenute nella pratica. Con i suoi collaboratori di Google AI, ha sviluppato una libreria open source per una ricerca equa e riproducibile sul disentanglement e attualmente sta spingendo ulteriormente lo stato del campo con approcci semi-supervisionati. Sta co-organizzando una sfida al NeurIPS 2019 di Vancouver, per portare l'apprendimento del disentanglement su set di dati del mondo reale e presenterà il suo ultimo lavoro anche all'ICML2019 e all'ICLR2019.

Informazioni sul premio

Google assegna questi premi a dottorandi esemplari in informatica e discipline affini. Con queste borse di studio uniche nel loro genere, Google riconosce i contributi degli studenti destinatari alle loro aree di specializzazione e fornisce finanziamenti per la loro formazione e ricerca.