Research Topic 1
I gemelli digitali sono concepiti per essere specchi dinamici di fenomeni incredibilmente intricati, tra cui la turbolenza, le risposte fisiologiche negli organismi e il flusso del traffico nelle reti di trasporto urbano. Questi fenomeni ricadono nella vasta categoria dei sistemi complessi, insiemi di elementi interconnessi le cui interazioni danno origine a comportamenti e proprietà emergenti che non possono essere spiegati guardando solamente ai singoli componenti.
![](https://inest.spoke9.sissa.it/wp-content/uploads/2024/04/RT1_MathematicalModelsITA-1-1024x683.png)
Per comprendere e prevedere il comportamento di un sistema complesso, gli scienziati si affidano a un modello matematico, un insieme di equazioni che racchiudono le leggi fisiche che governano il sistema. Pensate ai modelli matematici come alla Stele di Rosetta dei sistemi complessi: risolvere le loro equazioni corrisponde a decifrare il linguaggio criptico della fisica alla base del comportamento di questi sistemi.
Per rendere questo compito molto più semplice e veloce, gli scienziati sfruttano gli algoritmi numerici. Il processo è semplice: invece di eseguire i calcoli a mano, forniscono una serie di istruzioni passo-passo a un computer, in grado di risolvere un problema utilizzando solo numeri e operazioni matematiche. Gli algoritmi numerici sono l’essenza dei gemelli digitali e consentono la simulazione in tempo reale di un sistema complesso. Sfortunatamente, utilizzarli comporta compiere alcune approssimazioni, che si traducono in piccoli errori nei risultati finali.
Oggi gli algoritmi numerici hanno raggiunto un livello di efficienza completamente nuovo grazie all’Intelligenza Artificiale (IA) e, in particolare, al Machine Learning (ML), un sottoinsieme di algoritmi di IA che consente ai computer di eseguire compiti senza esplicite istruzioni di programmazione. Dotata di un algoritmo di ML, una macchina diventa una sorta di apprendista virtuale che impara dai dati e dall’esperienza, identificando modelli e prendendo decisioni o compiendo previsioni sulla base di tali informazioni.
Il potenziale del Machine Learning nello sviluppo dei gemelli digitali è immenso; tuttavia, per realizzare efficaci repliche virtuali di sistemi complessi, serve un’indagine più profonda. È qui che entra in gioco il Research Topic 1 (RT1) dello Spoke 9: il suo obiettivo è quello di addentrarsi nel mondo degli algoritmi di ML per raccogliere indizi cruciali per la creazione di gemelli digitali affidabili, aprendo la strada ad applicazioni realistiche e tangibili.
Partecipanti
I partecipanti al Research Topic 1 sono la Scuola Internazionale Superiore di Studi Avanzati (SISSA), l’Universitò degli Studi di Padova (UniPD) e l’Università degli Studi di Trieste (UniTS).
Il responsabile è il Prof. Mario Putti dell’Università degli Studi di Padova.