I'm
I am a very curious person. I am interested in science and all its shades. I have studied Computer Science and Artificial Intelligence and I want to focus on their application to various research fields.
I am a Consultant and Researcher in Artificial Intelligence. I work as PostDoc Researcher at INSA Lyon with Prof. Celine Robardet and Prof. Marc Plantevit, focusing on Explainable AI and Graph Neural Networks. I also provide private courses and consulting to privates and companies who seek to apply AI and Machine Learning.
I did my Ph.D in Artificial Intelligence under the supervision of prof. Roberto Capobianco. I am interested in the application of AI to different scientific fields and I think that Explainable AI could play an essential role for this purpose.
My Ph.D. project consisted in developing model-specific XAI methods, using a topology-based approach, in order to identify and learn data representations able to provide human-interpretable explanations of the neural network predictions. I have an M.Sc. degree in AI & Robotics and a B.Sc. degree in Computer and Control Engineering.
I have also some background in the application of AI to chemistry and drug discovery gained through abroad experience at the University of North Carolina and collaborations with the Pharmaceutical Chemistry and Technology Department at the Sapienza University of Rome.
Latest News on Papers, Talks and Projects.
Our latest NeurIPS paper "On Logic-based Self-Explainable Graph Neural Networks" is officially out!
In this paper, we introduce LogiX-GIN, a novel self-explainable graph neural network layer that can be directly converted into logic rules.
Many thanks to Celine Robardet and Marc Plantevit for their invaluable collaboration and guidance throughout this work.
I'm excited to share our latest review article, “XAI-Guided Continual Learning: Rationale, Methods, and Future Directions”, published in Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, co-authored with Michela Proietti and Roberto Capobianco.
In this work, we explore how eXplainable Artificial Intelligence (XAI) can guide and improve continual learning, a key challenge for building AI systems that learn sequentially without forgetting previous knowledge.
We also published a library built on top of Avalanche that implements XAI-guided continual learning methods, enabling experiments across multiple datasets/scenarios and offering ready-to-use baselines.
Today I had the pleasure of presenting our paper “Faithful Explanations for Graph Classification using Logic” at ECML PKDD 2025, in collaboration with Marc Plantevit and Céline Robardet.
In this work, we introduce LogiX, a method that combines Graph Neural Networks with a transparent logic layer to produce explanations that are faithful to the model’s reasoning and easy to interpret. Unlike many post-hoc techniques, our approach directly models the decision process, which lets us identify the most relevant nodes and extract global logic rules.
Across synthetic and molecular datasets, LogiX delivers explanations that are more faithful, sparser, and more stable compared to existing methods, helping bridge the gap between black-box predictions and human-understandable reasoning.
Today I had the pleasure of presenting our paper “Transparent Explainable Logic Layers” in collaboration with Marc Plantevit, Céline Robardet, and Roberto Capobianco.
We introduce TELL, a neural layer with non-negative weights and specific activations that can be translated directly into logic rules. The layer is designed to deliver global, logic-based explanations aligned with the model’s behavior while maintaining strong predictive performance. TELL also supports real-valued inputs through an automatic thresholding head, which makes it applicable beyond binary features and compatible with concept-bottleneck and prototype-based models.
In our experiments, TELL matches or improves classification results and provides higher explanatory power with respect to state-of-the-art logic-based self-explainable models.
Code: github.com/KRLGroup/TELL
Article on AIHub: aihub.org/2025/01/09/tell-explaining-neural-networks-using-logic/
I provide counseling in different applications of Computer Science, Machine Learning and Artificial Intelligence
Perfetto! Alessio è estremamente disponibile e competente. La sua pazienza e capacità di spiegare concetti complessi in modo chiaro è formidabile. Consigliatissimo!!
Perfetto! Alessio è un insegnante molto professionale e preparato , spiega in modo semplice nonostante la complessità della materia lo consiglio a chi come me è molto esigente Danilo
Perfetto! Alessio è una persona seria, molto preparata e competente. E' stato un piacere conoscerlo anche per la sua educazione e gentilezza.
Perfetto! Ragazzo molto competente e gran conoscitore della materia, ha subito capito quello di cui avevo bisogno e mi ha aiutato al meglio. Consigliatissimo
Perfetto! Alessio è un tutor preparato e preciso. Ha saputo trasferirmi i concetti base della materia in maniera chiara e dettagliata. Consigliatissimo!
Perfetto! Alessio è stato perfetto! Mi ha aiutato con un progetto di Matlab e in poche lezioni è riuscito a spiegarmi ogni linea di codice. È super disponibile e preparato. Lo consiglio vivamente.
Perfetto! Disponibile, preciso e molto preparato. Le sue lezioni mi sono state molto utili!
Perfetto! Professore super disponibile, a qualsiasi ora e a qualsiasi giorno, una volta persino il sabato sera mi ha aiutato. Veramente niente da dire, mi ha aiutato a capire un argomento da me completamente sconosciuto, con una pazienza incredibile. Poi tengo a dire che è una persona veramente professionale, preparata e vogliosa di oltrepassare l'ostacolo quando si presenta. Veramente un'ottimo p...
Perfetto! Sono uno studente di Ingegneria Informatica e ho contattato Alessio per delle difficoltà in esercizi di Ricerca Operativa sulla modellizzazione di problemi sia di Programmazione Lineare che Programmazione Lineare Intera. Che dire, eccezionale. Non solo mi ha aiutato a comprendere i problemi ma ho imparato moltissimo anche sulla libreria Java di Gurobi, uno dei Solver di Ottimizzazion...
Perfetto! Gentilissimo, disponibile e molto preparato. Mi sono trovato benissimo
Perfetto! Alessio è molto bravo, chiarissimo nelle spiegazioni durante le lezioni. Inoltre, qualità non di tutti, molto disponibile e attento nei confronti degli studenti. Consiglio al 100% ;)
Perfetto! Ottimo insegnate! Mi ha aiutato a preparare l'esame di Intelligenza artificiale.
Perfetto! Molto preparato e sempre disponibile anche per chiarimenti extra-lezione! Assolutamente affidabile, consigliatissimo
Perfetto! Alessio è sicuramente molto preparato, ma soprattutto disponibile e paziente !
Perfetto! Alessio è un ragazzo estremamente competente, affidabile, paziente e disponibile che mi è stato di grande aiuto per la ricerca del materiale bibliografico per la mia tesi magistrale. Non si è solo limitato a fornirmi gli articoli scientifici di cui avevo bisogno, ma mi ha anche proposto un incontro su Skype per spiegarmeli nel modo più semplice possibile. Mi sento quindi di consigliarlo ...
Perfetto! Vi consiglio Alessio al 100% perché molto preparato e appassionato a ciò che insegna. Prima di ogni lezione chiede in anticipo gli argomenti che dovranno essere trattati, in modo tale da essere ancora più preparato. Ho apprezzato tantissimo
Perfetto! Alessio è un ottimo insegnante: oltre a conoscere a fondo e con passione le materie, è anche in grado di spiegarle fin nei minimi dettagli. Inoltre ha una grande competenza nel saper interagire con studenti inizialmente estranei agli argomenti trattati. Super consigliato!
Perfetto! Molto disponibile per qualsiasi chiarimento anche dopo l’esame, preparato, gentile e paziente nello spiegare passo passo qualsiasi dubbio. Mi sono trovata davvero benissimo!
I am interested with all the application of Artificial Intelligence. In particular, my research is focused on the role of Explainable AI, which I see as a promising research field that could bring huge improvements in different applications.
I am also interested in Reinforcement Learnign and in the application of AI to Pharmaceutical Chemistry and Drug Design.
Laboratoire d'Informatique en Images et Systèmes d'Information, INSA, Lyon Lyon, FR
Research on Explainable Artificial Intelligence on Graph Neural Networks.
EPITA Lyon, Lyon, FR
External Professor of the Deep Learning Course of the Master's Degree.
EPITA Lyon, Lyon, FR
External Professor of the Deep Learning Course of the Master's Degree.
Sapienza University of Rome, IT
Research Project: Topology-based Explanations for Neural Networks
Sapienza University of Rome, IT
Final Mark: 110/110 cum Laude.
Selected Student for the Excellence Programme.
Best Student according to Sapienza “Exam Bonus” Award.
Thesis on Explainable AI: “Explainable AI in Drug Design: Perturbation based molecular attributions using Graph Convolutional Networks”.
Sapienza University of Rome, IT
Final Mark: 110/110 cum Laude.
Selected Student for the Excellence Programme.
Best Student of the third year according to Sapienza “Exam Bonus” Award.
Thesis on Reinforcement Learning: ”Deep Deterministic Policy Gradient for Regularity Rally in TORCS Simulator”.
Self Employed
Artificial Intelligence Consulting for privates and companies.
Rome Center for Molecular Design, Sapienza University of Rome, IT
Participation with the research group developing web apps and developing Machine Learning models for Pharmaceutical Chemistry.
“Enrico Fermi“ High School
Math high school substitute teacher.
Eshelman School of Pharmacy, University of North Carolina, Chapel Hill, NC
Application of Machine Learning to the field of Pharmaceutical Chemistry for Drug Discovery.
Department of Computer, Control and Management Engineering “Antonio Ruberti“, Sapienza University of Rome, IT
Analysis of Scientific Production through Google Scholar and Scopus.
Di Valerio, F; Proietti, M; Ragno, A.; Capobianco, R.
Accepted, will be published soon.
Proietti, M; Ragno, A.; Capobianco, R.
10.1002/widm.70046
Ragno, A.; Plantevit, M.; Robardet, C.
NeurIPS Page
Ragno, A.; Plantevit, M.; Robardet, C.
10.1007/978-3-032-06078-5_7
Kamal, A.; Ragno, A.; Plantevit, M.; Robardet, C.
10.1007/s10618-025-01159-7
Ragno, A.; Capobianco, R.
10.1145/3701551.3703543
Astolfi, R.; Oliva, A.; Raffo, A.; Sapienza, F.; Ragno, A.; Proia, E.; Mastroianni, C. M.; Luceri, C.; Bozovic, M.; Mladenovic, M.; Papa, R.; Bottoni, P.; Mazzinelli, E.; Nocca, G.; Ragno, R.
10.1021/acs.jcim.4c02389
Ragno, A.; Plantevit, M.; Robardet, C; Capobianco, R.
10.3233/FAIA240579
Borghini, A; Di Valerio, F.; Ragno, A.; Capobianco, R.
https://ceur-ws.org/Vol-3831/paper14.pdf
Proietti, M; Ragno, A.; Capobianco, R.
10.1109/MLSP55844.2023.10285911
Ragno, A.; La Rosa, B.; Capobianco, R.
https://ceur-ws.org/Vol-3518/paper1.pdf
Ragno, A.; La Rosa, B.; Capobianco, R.
10.1109/TAI.2022.3222618
Proietti, M; Ragno, A.; Capobianco, R.
Proia, E.; Ragno, A.; Antonini, L.; Sabatino, M.; Mladenovič, M.; Capobianco, R.; Ragno, R.
10.1007/s10822-022-00460-7
Ragno, A.; Baldisserotto, A.; Antonini, L.; Sabatino, M.; Sapienza, F.; Baldini, E.; Buzzi, R.; Vertuani, S.; Manfredini, S.
10.3390/molecules26206279
Ragno, A.; Savoia, D.; Capobianco, R.
arXiv:2202.05704
Savoia, D.; Ragno, A.; Capobianco, R.
arXiv:2202.05703
