La ricerca SUPSI sull'Explainable AI per reti ottiche conquista il Sir Charles Kao Award

• 05 agosto 2026

I ricercatori Omran Ayoub, Davide Andreoletti e la Prof. Silvia Giordano dell'Istituto sistemi informativi e networking (ISIN) hanno ricevuto il 2026 IEEE Communications Society Charles Kao Award for the Best Optical Communication and Networking Paper. Lo studio premiato dimostra come l'Intelligenza artificiale spiegabile (XAI) possa rendere più trasparente e affidabile l'impiego dei modelli di machine learning nella gestione automatizzata delle reti ottiche.

Intitolato a Sir Charles Kao, premio Nobel per la Fisica nel 2009 e pioniere delle comunicazioni in fibra ottica, il riconoscimento viene conferito annualmente al miglior articolo pubblicato sulla rivista IEEE/Optica Journal of Optical Communications and Networking (JOCN) nei tre anni precedenti. I lavori sono valutati in base a qualità scientifica, originalità, impatto, chiarezza espositiva e capacità di aprire nuove direzioni di ricerca.

L'edizione 2026 ha premiato il paper Towards Explainable Artificial Intelligence in Optical Networks: The Use Case of Lightpath QoT Estimation, pubblicato nel gennaio 2023 da Omran Ayoub, Davide Andreoletti e Silvia Giordano (SUPSI), Sebastian Troia e Massimo Tornatore (Politecnico di Milano) e Andrea Bianco e Cristina Rottondi (Politecnico di Torino).

"Si tratta di uno dei primi contributi a livello internazionale che introduce e applica tecniche di Intelligenza Artificiale Spiegabile (Explainable Artificial Intelligence, XAI) al contesto delle reti ottiche, delineando una nuova direzione di ricerca per lo sviluppo di sistemi di gestione più affidabili e trasparenti" spiega il Dr. Omran Ayoub, co-responsabile dell'area scientifica Reti informatiche affidabili e sicure.

I modelli di Machine Learning vengono spesso descritti come "scatole nere", poiché sono in grado produrre risultati accurati senza rendere comprensibili i criteri su cui si basano le proprie previsioni. Questa mancanza di trasparenza rappresenta un limite particolarmente importante quando l'intelligenza artificiale viene impiegata nella gestione di infrastrutture critiche, come le reti ottiche su cui si basano le telecomunicazioni.

Lo studio premiato si concentra sui modelli utilizzati per stimare la Quality of Transmission (QoT), un parametro che consente di prevedere la qualità del segnale lungo un collegamento ottico. Attraverso tecniche di XAI, il gruppo di ricerca ha dimostrato come sia possibile verificare che le decisioni dei modelli siano coerenti con i fenomeni fisici sottostanti, aumentando l'affidabilità delle previsioni e consentendo di individuare eventuali anomalie prima dell'impiego operativo.

"Questo riconoscimento va oltre il valore di un singolo articolo scientifico. Conferma la validità di una linea di ricerca che continuiamo a perseguire ogni giorno: rendere l'intelligenza artificiale e il machine learning affidabili, interpretabili e concretamente applicabili all'automazione delle reti di comunicazione. In un settore che si sta orientando verso sistemi sempre più autonomi, la spiegabilità non è semplicemente una caratteristica auspicabile, ma un requisito fondamentale" conclude il ricercatore.

Paper:

O. Ayoub, S. Troia, D. Andreoletti, A. Bianco, M. Tornatore, S. Giordano, C. Rottondi, Towards Explainable Artificial Intelligence in Optical Networks: The Use Case of Lightpath QoT Estimation, Journal of Optical Communications and Networking, vol. 15, n. 1, pp. A26-A38, gennaio 2023.