Modelli surrogati e machine learning scientifico al centro di un nuovo ciclo di incontri
L’iniziativa è organizzata da un giovane ricercatore dello Spoke 9
Trieste, 11 dicembre 2025
Quattro appuntamenti tra lezioni, seminari e collaborazioni scientifiche con esperti di atenei italiani e internazionali: è l’iniziativa organizzata da Federico Pichi, giovane ricercatore dello Spoke 9, nell’ambito del progetto Surrogate Models for Scientific Machine Learning, finanziato da iNEST tramite Young Researcher Grant.
Il ciclo di appuntamenti si propone di favorire la condivisione di competenze avanzate tra giovani studiosi e studiose. Il fulcro dell’iniziativa sarà lo studio e lo sviluppo dei modelli surrogati, strumenti matematici che consentono di rappresentare fenomeni complessi in forma semplificata, riducendo in modo significativo i costi computazionali rispetto alle simulazioni tradizionali. Verrà inoltre approfondita l’applicazione dei modelli surrogati al scientific machine learning, l’area dell’intelligenza artificiale che integra apprendimento automatico e calcolo scientifico per accelerare la simulazione, la previsione e l’analisi di sistemi fisici complessi.
Programma
11 dicembre 2025, ore 14:00
Deep symmetric autoencoders from the Eckart-Young-Schmidt perspective
Nicola Rares Franco (Politecnico di Milano)
15 dicembre 2025, ore 11:00
Autoencoder embeddings: retrieving useful information from a latent space
Ettore Saetta (Università degli Studi di Napoli Federico II)
16 dicembre 2025, ore 15:30
Predicting spatiotemporal chaos: Latent vs manifold vs quantized reduced-order models
Luca Magri (Imperial College London)
16 dicembre 2025, ore 16:30
Real-time digital twins: Integrating ensemble data assimilation, reduced-order modelling, and reinforcement learning
Andrea Novoa (Imperial College London)
