关于 SparseMind
我们研究稀疏神经网络，开发高效的人工智能模型与系统。
If Physics studies the principles and mechanisms of the outside universe.
Brain science studies the principles and mechanisms of the inside universe.
My research is at the interface between these two disciplines.
I deal with “Physics and Engineering of Complexity and Intelligence”
物理学研究外部宇宙的原理与机制。
脑科学研究内部宇宙的原理与机制。
我的研究位于这两门学科的交汇之处。
我致力于“复杂性与智能的物理学与工程学”。
从科学追问，到产业实践。
从生命与计算，追问智能。
Carlo 于 2005 年在米兰理工大学获得硕士学位，2010 年完成博士学业。意大利与加州大学圣迭戈分校的研究经历，构成了早期跨学科积累。
在生命网络中，寻找结构的力量。
《Scientific Reports》发表局部社区范式研究，探讨脑连接组与蛋白质网络中的连接预测，把连接的组织规律带到研究中心。
持续探索，跨越学科。
在德累斯顿工业大学领导研究工作，持续连接复杂网络、计算方法与生命系统。二十余年的探索指向同一个长期问题：人工神经网络能否像人脑一样，以动态、稀疏的连接实现高效智能？
连接结构，进入学习过程。
ICLR 2024 论文提出 Cannistraci–Hebb Training，以拓扑引导连接再生，将超稀疏网络的学习能力带入深度学习研究。
从视觉任务，走向语言智能。
NeurIPS 2025 研究推进 CHT 软规则与密度演化方法，将实验拓展到机器翻译与 LLaMA 语言模型。
让科学，与计算现实相遇。
研究继续拓展至 N:M 半结构化训练、稀疏再训练与脉冲神经网络，使原创方法与实际计算约束形成更紧密的联系。
让原创科学，成为产业能力。
SparseMind 团队将长期探索推进到开放模型、模型适配与硬件联合验证。CHT-Computing、CHT-Edge 与 CHT-Hardware 三条产品线，共同面向下一代高效、可持续的人工智能。
以原创科学，
开创下一代人工智能。
以原创 Cannistraci–Hebb Training 动态稀疏学习科学，推动模型、软件与硬件的结构协同，开创更高效的下一代人工智能。
让结构效率成为智能计算的基础能力，让高水平智能在更加广泛的计算平台与现实场景中释放价值。
长期乐观。科学求真。行动坚决。
少而精，简而深。让产品、团队与行动，共同体现稀疏的精神。