Maira Aracne, nata il 10 ottobre 1999 a Varese (VA), consegue la Laurea triennale in Ingegneria dell’Automazione e prosegue gli studi laureandosi con lode in Ingegneria Informatica e dell’Automazione – Artificial Intelligence con tesi dal titolo: “Un modello di Reinforcement Learning per l’Estrazione di Regole Logiche a supporto della Spiegabilità delle Osservazioni”. Attualmente PhD del XL ciclo di dottorato in “Sustainable Blue Economy and One Health” presso l’Università Leonardo Da Vinci, studia le potenzialità dell’IA nella gestione avanzata degli impianti fotovoltaici con l’obiettivo di accelerare la transizione verde dei porti e promuovere la Blue Economy. In particolare, la ricerca si concentra sulla riduzione delle emissioni di CO2 delle aree portuali grazie all’aumento dell’utilizzo di energia solare e grazie al miglioramento significativo nell’accuratezza delle previsioni a lungo termine delle tecniche di IA rispetto ai metodi tradizionali per ottimizzare la distribuzione energetica ed avere un aumento sostanziale nell’autoconsumo dell’energia prodotta all’interno del porto.

Maira Aracne, born on October 10, 1999 in Varese (VA), obtained her Bachelor’s degree in Automation Engineering and continued her studies, graduating with honors in Computer and Automation Engineering – Artificial Intelligence with a thesis titled: “A Reinforcement Learning Model for the Extraction of Logical Rules to support the Explainability of Observations.” Currently a PhD student in the XL cycle of the “Sustainable Blue Economy and One Health” doctoral program at Leonardo Da Vinci University, she studies the potential of AI in advanced management of photovoltaic systems with the aim of accelerating the green transition of ports and promoting the Blue Economy. In particular, her research focuses on reducing CO2 emissions in port areas by increasing the use of solar energy and through significant improvement in the accuracy of long-term forecasts using AI techniques compared to traditional methods to optimize energy distribution and achieve a substantial increase in self-consumption of energy produced within the port.