Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Modelli matematici, simulazioni numeriche e tecniche di intelligenza artificiale per descrivere e controllare la durata di una batteria |
|---|---|
| Titolo del progetto di ricerca in inglese | Mathematical modeling, numerical simulations and AI parameter estimation techniques for description and control of battery lifetime |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Mathematical analysis |
| Area CUN | 01 - Scienze matematiche e informatiche |
| S.S.D | MAT/08 - ANALISI NUMERICA |
| Descrizione sintetica in italiano | Seguendo un approccio interdisciplinare, si vuole contribuire a progettare processi sostenibili di crescita dei metalli in grado di controllare e aumentare la durata della batteria, secondo le seguenti linee di ricerca: 1) Studiare diversi aspetti fisico-chimici della crescita dei metalli, della formazione di dendriti e del comportamento del ciclo di carica-ricarica agli elettrodi della batteria in termini di sistemi PDE evolutive2D e 3D in spazio, comprese PDE su superficie di tipo phase field. 2) Algoritmi numerici accurati e innovativi per simulare al computer i processi descritti dai suddetti modelli per diverse scelte dei parametri fisico-chimici; generazione di codici di calcolo per risoluzioni efficienti in casi realistici. 3) Tecniche di Deep Learning per il confronto tra simulazioni e dati sperimentali (es. cicli di carica-scarica e immagini al microscopio del degrado degli elettrodi) |
| Descrizione sintetica in inglese | The proposed research would contribute to design sustainable metal growth processes able to control and enhance battery lifetime along the following steps: 1) Study of different physico-chemical aspects of metal growth, formation of dendrites and charge-recharge cycling behaviour at the battery electrodes in terms of evolutionary PDE systems 2D and 3D in space, including bulk-surface PDEs, phase-field modeling. 2) Accurate and innovative numerical algorithms for computer simulation of the processes described by the above models for several physico-chemical parameter choices and generation of codes to solve them efficiently in realistic cases. 3) Deep Learning techniques for comparison between simulations and experimental data (like time series describing the charging-recharging cycles and microscopy images of electrode degradation). |
| Data del bando | 01/12/2023 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
OTHER |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://www.unisalento.it/bandi-concorsi/-/bandi/view/66885342 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|
| Nome dell'Ente finanziatore | Università del Salento Dipartimento di Matematica e Fisica |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Lecce |
| Sito web | https://www.unisalento.it/bandi-concorsi/-/bandi/view/66885342 |
| protocollo.matfis@unisalento.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 04/01/2024 |
|---|---|
| Come candidarsi | Other |