04/03/2026
Comprendere come si diffondono fenomeni complessi nelle reti – come epidemie, informazioni o comportamenti sociali – è una sfida centrale in molti ambiti scientifici. Un nuovo studio pubblicato su Social Network Analysis and Mining presenta ExDiff, un framework computazionale modulare progettato per modellare e spiegare i processi di diffusione nelle reti complesse.
Il sistema integra simulazioni di rete, Graph Neural Networks (GNN) e metodi di Explainable Artificial Intelligence (XAI), combinando i tradizionali modelli compartimentali della diffusione (come quelli utilizzati in epidemiologia) con architetture di deep learning. In questo modo è possibile analizzare sia la struttura della rete sia le dinamiche temporali della diffusione.
Il framework include moduli dedicati a:
✅ analisi delle reti
✅ modellazione neurale
✅ simulazione dei processi di diffusione
✅ interpretabilità dei risultati
Tra le applicazioni dimostrative, lo studio mostra come ExDiff possa essere utilizzato per simulare la diffusione di malattie, valutare strategie di intervento e individuare i fattori strutturali che favoriscono il contagio attraverso tecniche di XAI.
Co-autori DSMC: Prof. Pietro Hiram Guzzi, Dott. Ugo Lomoio, Dott.ssa Annamaria Defilippo, Dott.ssa Barbara Puccio.