Modelli surrogati e apprendimento informato dalla fisica per sistemi complessi - 2025_IDR_DMAT_7
Scadenza: 03/02/2026
Gruppo Scientifico-Disciplinare
01/MATH-05 - Analisi Numerica
Descrizione
Il programma di ricerca ha l’obiettivo di sviluppare metodologie avanzate all’interfaccia tra Analisi Numerica e Machine Learning, con un’attenzione al physics-informed machine learning. L’obiettivo è progettare strategie di apprendimento che incorporino la struttura delle leggi fisiche che governano il sistema, consentendo inferenze robuste anche in presenza di dati scarsi o incerti. Il progetto esplorerà inoltre approcci di surrogate modeling per l’approssimazione rapida delle soluzioni di problemi differenziali complessi. Questi modelli fungeranno da proxy efficienti e fisicamente consistenti dei solutori tradizionali, supportando attività quali simulazioni forward, quantificazione dell’incertezza e assimilazione dei dati. Progetto finanziato dal Ministero dell’Università e della Ricerca nell’ambito dell’Avviso FIS 2, SYNERGIZE, codice FIS-2023-02228, CUP D53C24005440001.
Sito web del bando
Numero posti
1
Ente finanziatore
Politecnico di Milano
Visualizza il bando originale sul sito del MUR: Vai al sito MUR