I contesti computazionali cooperativi chiamano in causa processi stocastici con memoria. Un paradigma molto elementare ed al contempo potente è rappresentato da processi nei quali il tempo interviene in scala logaritmica, ovvero la memoria di un evento passato si riflette nel tempo iniziale del processo corrente come un fattore di scala: se l'ultimo evento si è verificato al tempo tu, la nuova scala dei tempi è t/tu. Tale processo è il duale del processo di Poisson, modulo il passaggio della scala dei tempi da lineare a logaritmico.
L¿obiettivo della ricerca è quello di studiare una vasta famiglia di processi intenzionali tra I quali spiccano quelli cooperativi alla base delle reti opportunistiche ed I processi di apprendimento su reti neurali. Alcuni risultati incoraggianti raggiunti fanno vedere che con variabili di Pareto estese, ove la distribuzione di probabilità è arricchita grazie all¿introduzione di un parametro aggiuntivo, si riescono a descrivere: a) I tempi di intercontatto tra agenti opportunistici e b) I tempi di apprendimento di famiglie molto generali di reti neurali. IL cambio di scala dei parametri intenzionali che emergono da questi ultimi processi lascia intravedere interessanti strategie di apprendimento per le macchine di Boltzmann che consentano il superamento delle lunghe corse all¿equilibrio.