Fisica statistica del deep learning

Gruppo Scientifico-Disciplinare

02/PHYS-02 - Fisica Teorica delle Interazioni Fondamentali, Modelli, Metodi Matematici e Applicazioni, 02/PHYS-06 - Fisica per Le Scienze della Vita, L'Ambiente e I Beni Culturali, Didattica e Storia della Fisica

Descrizione

Il progetto mira a comprendere i meccanismi di generalizzazione nel deep learning attraverso strumenti della fisica statistica. L’obiettivo è sviluppare modelli fenomenologici, semplificati ma quantitativi, che descrivano l’interazione tra algoritmi di apprendimento, struttura dei dati e architetture neurali, fortemente informati da osservazioni empiriche. Utilizzando setting controllati e modelli con architetture standard, studieremo come e in quali condizioni gli algoritmi di apprendimento selezionano specifiche soluzioni tra molte equivalenti, introducendo implicit bias cruciali per la generalizzazione.La metodologia combina sperimentazione quantitativa e descrizioni matematiche tipiche della fisica statistica, al fine di caratterizzare le dinamiche di apprendimento e le proprietà delle soluzioni. I risultati contribuiranno alla comprensione teorica del deep learning e potranno guidare, in prospettiva, lo sviluppo di metodi più efficienti e robusti.

Compenso

37,808 Euro

Sito web del bando

https://lavorainateneo.unito.it/index_ir.html?type=SEL_IDR

Numero posti

1

Durata massima

12.0

Ente finanziatore

Università di Torino

Come candidarsi

https://pica.cineca.it/unito/sdn-2026-iii/

Modalità di selezione