Riccardo Zecchina (Torino, 6 maggio 1963) è un fisico italiano attivo in fisica teorica nel campo della meccanica statistica e in informatica nel campo dell'apprendimento automatico.

Nel corso della sua carriera si è occupato di problemi all'interfaccia tra la meccanica statistica e l'informatica, con applicazioni reciproche in entrambi i campi, e in particolare per l'apprendimento automatico. È professore ordinario presso l'Università Bocconi di Milano, titolare della Cattedra Vodafone di Machine Learning and Data Science.^[1]

Insieme a Giorgio Parisi e Marc Mézard è stato insignito del Premio Onsager 2016 dell'American Physical Society «per il lavoro pionieristico sull'applicazione del concetto di vetro di spin a gruppi di problemi computazionali, fornendo sia una nuova classe di algoritmi efficienti che nuove prospettive sulla struttura e sulla complessità delle transizioni di fase.»^[2] Nel 2011 ha ottenuto l’Avanced Grant del Consiglio Europeo per la Ricerca (ERC), dal titolo “Optimization and inference algorithms from the theory of disordered systems”.^[3]

Biografia

Riccardo Zecchina si è laureato in ingegneria elettronica al Politecnico di Torino nel 1988, e ha conseguito il dottorato di ricerca in fisica teorica all'Università di Torino nel 1993 con Tullio Regge.^[4]

È stato ricercatore e direttore del gruppo di fisica statistica dell'ICTP di Trieste dal 1997 al 2007. Nominato professore ordinario di fisica teorica presso il Politecnico di Torino nel 2007, si è spostato all'Università Bocconi di Milano nel 2017, dove ha fondato il Dipartimento di Computing Sciences di cui è attualmente direttore. È titolare della Vodafone chair in Machine Learning e Data Science e fondatore e co-direttore dell’unità di Milano di Ellis, European Laboratory for Learning and Intelligent Systems. Ha avuto incarichi temporanei presso Microsoft Research a Redmond e Boston, nonché all'Università di Parigi a Orsay.^[5]

Principali ricerche

La sua attività di ricerca si è svolta all'interfaccia tra la fisica statistica e l'informatica. Si è occupato di problemi ottimizzazione, algoritmi probabilistici, sistemi complessi, sistemi fuori dall'equilibrio, nonché all'applicazione della meccanica statistica a problemi di informatica, in particolare nel campo dell'apprendimento automatico. Ha dato contributi importanti alla teoria degli algoritmi di scambio di messaggi per la soddisfacibilità booleana e della direct coupling analysis. Nel campo dell'apprendimento automatico, ha introdotto nuove tecniche per l'apprendimento delle reti neurali (local entropy maximisation).