Simone Scardapane è Ricercatore a Tempo Determinato (di Tipo B) presso il Dipartimento di Ingegneria dell'Informazione, Elettronica e Telecomunicazioni (DIET) della Università Sapienza di Roma. La sua ricerca si concentra su tematiche di deep learning, con particolare riferimento al topological deep learning, AI for communications, AI for scientific discoveries, e continual learning.
È socio attivo di numerosi committee e società, inclusi lo IEEE CIS Social Media Sub-Committee, lo IEEE CIS Conference Activities and Communications Subcommitee, la IEEE Task Force on Reservoir Computing, il "Machine learning in geodesy” joint study group della International Association of Geodesy, e lo Statistical Pattern Recognition Techniques TC della International Association for Pattern Recognition (di cui è vice-chair). Inoltre è (o è stato) co-chair di numerose conferenze internazionali (incluse diverse edizioni della IEEE IJCNN ed IEEE WCCI), special issue, e special session su riviste di rilevanza internazionale.
Nel 2020, ha ricevuto un "Google Faculty Award to Support Machine Learning Courses, Diversity, and Inclusion" per il suo corso "Neural Networks for Data Science Applications".
Partecipa o supervisiona diversi progetti di ricerca e aziendali: è co-investigator del progetto MUCCA (CHIST-ERA), membro del progetto HY3DA (Sapienza Progetti di Ricerca Grandi), membro del progetto In Codice Ratio (co-ordinato dall'Università Roma 3), e responsabile scientifico di 4 progetti di ricerca aziendali in corso.
Infine, è fortemente impegnato su tematiche di promozione del machine learning in Italia, tramite il coordinamento di una associazione culturale (la Italian Association for Machine Learning), l'organizzazione di un Meetup ed un podcast, e la partecipazione come ospite o guest writer in diverse conferenze e pubblicazioni nazionali.