Aveva due anni quando ha guardato la sua prima gara di Formula 1.
Non gli è piaciuta. Le macchine erano troppo veloci, il rumore troppo forte.
Tredici anni dopo, quella stessa Formula 1 non è solo diventata la sua più grande passione: è diventata un obiettivo professionale.
“Ogni mattina mi sveglio pensando che voglio diventare un F1 engineer.” racconta.
Quello che affascina Lorenzo non sono solo i sorpassi o le strategie al limite.
È ciò che succede dopo. I numeri. Le telemetrie. Le correlazioni invisibili.
Lorenzo, MYP Student
“Mi piacciono le parti considerate noiose. I dati lunghi, le analisi profonde. Capire perché è successo qualcosa.”
Ed è proprio da questa ossessione per il “perché” che nasce il suo Personal Project: RACENG F1 Predictor, uno strumento open-source di machine learning progettato per prevedere i risultati delle gare di Formula 1.
La piattaforma è costruita su oltre 3.000 file CSV elaborati, più di 6.000 tempi sul giro raccolti tra il 2022 e il 2025, 15 dataset strutturati e variabili che includono risultati in qualifica, sprint race, degrado gomme, passo gara e performance storica dei piloti. Per ogni simulazione, il modello esegue 5.000 iterazioni, individua correlazioni non lineari e restituisce una classifica probabilistica.
In famiglia, prevedere i risultati delle gare era diventato quasi un rito. A volte Lorenzo indovinava, a volte no. Ma a un certo punto indovinare non è più bastato. È stato allora che ha iniziato a chiedersi come costruire un sistema che producesse analisi fondate, non semplici intuizioni.
Ha iniziato da zero.
Attraverso ore di studio autonomo, tutorial tecnici, corsi online, approfondimenti statistici, ha imparato a strutturare dataset complessi, valutare l’accuratezza di un modello utilizzando metriche come il Mean Absolute Error e implementare un sistema di Random Forest Regression. Ha scelto questo approccio in modo consapevole: abbastanza potente da intercettare relazioni complesse tra variabili, ma sufficientemente gestibile per chi si avvicina per la prima volta al machine learning.
Lorenzo ha poi raccolto il suo lavoro, la documentazione tecnica e gli aggiornamenti del modello all’interno di un sito, dove racconta metodologia, dati utilizzati e sviluppi futuri. Uno spazio che non è solo una vetrina, ma un laboratorio aperto, pensato per condividere il processo oltre che il risultato.
Convinto della solidità del suo modello, ha deciso di metterlo alla prova pubblicamente. Ha contattato Alessandro Rastrelli, conosciuto online come “Il Rastro”, tra i content creator italiani più seguiti nel panorama della Formula 1, proponendogli di testare il sistema in diretta su un caso reale: il Gran Premio di Abu Dhabi.
Non era più un esperimento privato. Se la previsione avesse fallito, lo avrebbe fatto davanti a tutti.
Ma non è successo.
Allenato su migliaia di dati e impostato per eseguire 5.000 simulazioni per gara, il modello ha registrato uno scarto medio di appena 1,2 posizioni rispetto al risultato reale.
Ma la previsione di Abu Dhabi non è stata l’inizio del percorso di Lorenzo verso l’ingegneria in Formula 1. È stata l’ultimo passo di un cammino iniziato anni prima.
Costruire prima di prevedere
Molto prima di RACENG, prima del machine learning e dei modelli di regressione, Lorenzo stava già cercando di comprendere le prestazioni dall’interno.
Il progetto di cui va più orgoglioso risale alla terza media: la costruzione di una galleria del vento per analizzare, attraverso la tecnica FlowViz, l’interazione dell’aria con la monoposto Ferrari 2020. L’obiettivo non era replicare un’auto, ma comprendere i principi aerodinamici che regolano downforce e resistenza.
«È stato il progetto che mi ha fatto capire che anche un ragazzo giovane può entrare nel mondo della Formula 1 con progetti complessi, se ci crede davvero.»
Mentre più recentemente ha progettato e costruito da zero un modello funzionante in scala 1:10 di una monoposto del 2016, completo di DRS attivo. Ogni componente è stato disegnato in 3D e successivamente testato tramite software CFD sul proprio computer, per verificare che i concetti aerodinamici studiati teoricamente trovassero riscontro nei dati.
L’estate scorsa ha ulteriormente ampliato questa prospettiva partecipando a un programma intensivo di ingegneria di due settimane alla University College London (UCL). Le mattine erano dedicate a lezioni universitarie, i pomeriggi a working sessions e competizioni progettuali.
Si è orientato naturalmente verso le sfide di ingegneria civile e dinamica, vincendole entrambe. Ma è stata la competizione aerodinamica a rivelarsi particolarmente significativa. Agli studenti veniva richiesto di progettare un profilo alare capace di sostenere il maggiore angolo d’attacco possibile senza entrare in stallo, un equilibrio delicato tra portanza e stabilità del flusso.
Il suo progetto ha ottenuto le migliori performance metriche del gruppo.
Il premio è stato l’incontro con un ex ingegnere di Formula 1 che aveva lavorato in Mercedes, contribuendo allo sviluppo di una delle monoposto più dominanti dell’era moderna.
«Probabilmente è stato uno dei momenti più importanti della mia vita da studente», ricorda.
Imparare attraverso il fallimento
Ciò che accomuna questi progetti non è soltanto l’ambizione tecnica, ma il metodo che li sostiene: progettare, simulare, misurare, correggere.
Lorenzo cita spesso una frase di Niki Lauda: «Dal successo non si impara assolutamente nulla. È dal fallimento e dagli errori che si possono trarre conclusioni.» Questa mentalità ha plasmato il suo metodo di lavoro: testare, valutare, correggere, ripetere.
La sua stessa esperienza con il tennis lo ha aiutato molto in questo: “In uno sport in cui i migliori vincono solo il 53% dei punti, impari che perdere fa parte del processo.” racconta saggiamente.
Con lo sguardo rivolto ai suoi riferimenti, Adrian Newey per la visione ingegneristica, Charles Leclerc per la determinazione in pista, Lorenzo immagina il proprio futuro in Formula 1 non come un traguardo improvviso, ma come un percorso tecnico da costruire nel tempo. Prima come ingegnere all’interno di un team, poi assumendo responsabilità sempre maggiori, fino ad ambire al ruolo di Chief Engineer.
Noi, che in questi anni abbiamo visto da vicino il suo impegno, la sua curiosità e la sua determinazione, sappiamo che questo non è solo un sogno detto ad alta voce.
È un obiettivo costruito giorno dopo giorno.
E siamo certi che Lorenzo troverà il modo di arrivarci.
Back
