Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodi formali data-driven per sistemi dinamici |
|---|---|
| Titolo del progetto di ricerca in inglese | Model-driven formal methods for dynamical systems |
| Area CUN | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | Questo progetto di ricerca si focalizza sull'applicazione di metodi formali in sistemi dinamici descritti da equazioni differenziali ordinarie (ODE), per modellare fenomeni naturali e artificiali complessi. La Sicurezza (Safety) in questo ambito è una proprietà cruciale, che garantisce che le traiettorie del sistema evitino regioni non sicure dello spazio degli stati. L'indagine si estende alla "Reachability", mediante la quale si cerca di ottenere stime precise dell'insieme di stati raggiungibili nel tempo. Approcci tradizionali, come barrier certificates e invarianti, richiedono una descrizione esplicita del sistema attraverso equazioni differenziali. Tuttavia, la complessità fenomenica o delle equazioni può rendere difficile ottenere o trattare modelli esatti. Viene introdotta una innovativa prospettiva data-driven, che sfutta grandi quantità di dati per derivare modelli matematici approssimati ma efficaci, tramite una sintesi tra reti neurali ed equazioni differenziali (NODE). |
| Descrizione sintetica in inglese | The research focuses on the application of formal methods to dynamical systems described by ordinary differential equations (ODE) modeling complex natural and artificial phenomena. Safety is a crucial aspect here, that ensures that system trajectories avoid unsafe regions of state space. The investigation extends to "Reachability", through which we try to obtain precise estimates of the set of states that can be reached over a prescrived time horizon. Traditional approaches, such as Barrier Certificates and invariants, require an explicit description of the system via differential equations. However, phenomenal or equational complexity can make it difficult to obtain or treat exact models. An innovative data-driven perspective is introduced, that exploits the availability of large amounts of data to derive approximate but effective mathematical models, through a recently proposed combination of neural networks and differential equations (NODE). |
| Data del bando | 27/11/2023 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 23890.08 |
| Periodicità | 12 mesi |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
OTHER |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | http://www.disia.unifi.it |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 23890.08 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Nome dell'Ente finanziatore | Università degli Studi di Firenze |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Firenze |
| Codice postale | 50134 |
| Indirizzo | Viale Morgagni 59 |
| Sito web | http://www.disia.unifi.it |
| niccolo.saccardi@unifi.it | |
| Telefono | 055-2751500 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/12/2023 |
|---|---|
| Come candidarsi | Other |