Video
ITA
Le reti, tuttavia, sono oggetti di dimensioni infinite ed esistono teoremi matematici che ci dicono che è meglio rappresentarle in tre dimensioni. Tuttavia, gli algoritmi di layout esistenti non trattano le reti come oggetti fisici. Piuttosto, trattano i collegamenti e i nodi come oggetti privi di corpo, penetrabili e facilmente attraversabili.
Nel 2017, quindi, ho iniziato a lavorare con il mio laboratorio per sviluppare algoritmi che consentissero di impaginare realmente le reti in tre dimensioni, in modo che i collegamenti non si incrociassero tra loro e che ognuno di essi avesse un senso di fisicità. La prima rete che abbiamo sperimentato con questo set di strumenti è stata la Flavor Network, i cui nodi sono gli ingredienti del nostro cibo e i collegamenti sono le sostanze chimiche che ne determinano il sapore.
Mentre i nodi e i collegamenti non sono etichettati, il contenuto si perde, creando uno spazio tra i dati e la scultura che ne è stata generata.
Gli spettatori possono usare la realtà aumentata per recuperare la conoscenza e il contenuto originale che ha portato a questa particolare scultura di dati.
ENG
Networks, however, are infinite dimensional objects, and there are mathematical theorems to tell us that they are best represented in three dimensions. However, the existing layout algorithms do not treat networks as physical objects. Rather, they treat the links and the nodes as bodiless, penetrable objects that can easily cross each other.
So in 2017, I started working with my lab to develop the algorithms to really lay out networks in three dimensions such that the links do not cross each other, and each of them has a sense of physicality. The first network we tried this toolset was the Flavor Network, whose nodes are ingredients in our food, and the links are the chemicals determine their taste.
While the nodes and the links here are not labeled, hence content is lost, creating a space between the data and the sculpture that was generated from it.
The viewers can use augmented reality to regain the knowledge and the original content that led to this particular data sculpture.
