/ Innovazione

Innovazione | 07 aprile 2022, 08:55

UniGe si aggiudica un ERC starting grant con il prof. Giovanni Alberti

ERC – European Research Council è l'organo dell’Unione Europea che supporta l'eccellenza della ricerca e dell'innovazione nell’ambito di Horizon Europe (2021-2027), successore di Horizon 2020

UniGe si aggiudica un ERC starting grant con il prof. Giovanni Alberti

https://erc.europa.eu/

ERC – European Research Council è l'organo dell’Unione Europea che supporta l'eccellenza della ricerca e dell'innovazione nell’ambito di Horizon Europe (2021-2027), successore di Horizon 2020.Con i sui suoi sette anni di durata e una dotazione finanziaria complessiva di 95,5 miliardi di euro, cifra che include i 5,4 miliardi destinati al piano per la ripresa Next Generation EU, Horizon Europe è il più ampio programma di ricerca e innovazione transnazionale al mondo.Mentre si stanno per concludere le valutazioni per i finanziamenti 2022, lo European Research Council ha annunciato l'approvazione di un altro progetto presentato da un ricercatore UniGe con il bando 2021 che si va ad affiancare al progetto PEA – The Philosophy of Experiential Artifacts del prof. Enrico Terrone, già finanziato nell'ambito Social Sciences and Humanities (SH5 Cultures and Cultural Production).Un nuovo ERC starting grant 2021 per UniGeL'Università di Genova si è aggiudicata un nuovo finanziamento ERC starting grant 2021 da oltre un milione di euro per il progetto presentato da Giovanni S. Alberti, ricercatore al Dipartimento di Matematica e presso MaLGa – Machine Learning Genoa Center, dal titolo "Sample complexity for inverse problems in PDE", nell'ambito "Physical Sciences and Engineering (PE1 Mathematics)".Il progetto vincitoreL’aspetto principale del progetto "Sample complexity for inverse problems in PDE" risiede nel combinare diversi ambiti della matematica: da un lato, lo studio di modelli matematici basati sulle equazioni differenziali per la descrizione di vari fenomeni fisici e, dall’altro, l’analisi dei segnali mediante l’utilizzo della teoria dell’informazione e del machine learning. L’interazione fra queste aree di ricerca, nonostante sia stata ancora poco esplorata, è molto naturale, in quanto le quantità fisiche proprie dei modelli basati sulle equazioni differenziali possono essere viste anche come segnali da analizzare con metodi di analisi armonica e di machine learning. Grazie alla combinazione di queste tecniche, sarà possibile sviluppare uno studio completo dei cosiddetti “problemi inversi”, in cui certe quantità fisiche devono essere ricostruite a partire da misure indirette.

 

<picture><source type="image/jpeg" media="all and (min-width: 768px)"></source><source type="image/jpeg"></source></picture>

Redazione

Google News Ricevi le nostre ultime notizie da Google News SEGUICI

Ti potrebbero interessare anche:

Prima Pagina|Archivio|Redazione|Invia un Comunicato Stampa|Pubblicità|Scrivi al Direttore|Premium