Descrizione del bando

Titolo del progetto di ricerca in italiano	Bridging Models at Different Scales to Design New Generation Fuel Cells for Electrified Mobility
Titolo del progetto di ricerca in inglese	Bridging Models at Different Scales to Design New Generation Fuel Cells for Electrified Mobility
Campo principale della ricerca	Mathematics
Sottocampo della ricerca	Computational mathematics
Area CUN	01 - Scienze matematiche e informatiche
S.S.D	-
Descrizione sintetica in italiano	Il progetto si concentrerà sulla combinazione e modellazione dei meccanismi di interazione per la degradazione chimica e meccanica delle membrane. I metodi di ordine ridotto (ROM) e il machine learning (ML) verranno utilizzati per analizzare la risposta parametrica del modello utilizzando solo un numero ridotto di simulazioni ad alta fedeltà e dati sperimentali per identificare il peso dei fattori di stress governanti. Il ROM sarà basato su approcci ibridi (simulazioni numeriche ad alta fedeltà e dati sperimentali disponibili) combinati con la conoscenza del dominio in termini di equazioni governative. L'obiettivo è compilare un meccanismo di interazione per il degrado chimico e meccanico ed estrapolare dati sul degrado per studiare il peso dei fattori di stress che lo governano. Se la quantità di dati di addestramento è ridotta, verranno utilizzate reti neurali informate sulla fisica.
Descrizione sintetica in inglese	The project will focus on the combination & modelling of the interaction mechanisms for chemical & mechanical membrane degradation. Reduced Order Methods (ROMs) and Machine Learning (ML) will be used to analyse the parametric response of the model by using only a reduced number of high-fidelity simulations and experimental data to identify the weight of governing stressors. The ROM will be based on hybrid (high fidelity numerical simulations & available experimental data) approaches combined with the domain knowledge in terms of governing equations. The aim is to compile an interacting mechanism for chemical & mechanical degradation and extrapolate degradation data to investigate the weight of governing stressors. Physics informed neural networks will be used if the amount of training data is small.
Data del bando	06/10/2023
Numero di assegnazioni per anno	1
Stanziamento annuale (indicativo)	€ 40.000
E' richiesta mobilità internazionale?	yes
Paesi in cui può essere condotta la ricerca	Austria
Paesi di residenza dei candidati	OTHER
Nazionalità dei candidati	OTHER
Sito web del bando	https://www.sissa.it/phd-admission

 

Dettagli della borsa per dottorato

Destinatari della borsa 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	40.000
Valuta	Euro

 

Finanziatore

Nome dell'Ente finanziatore	Scuola Internazionale Superiore di Studi Avanzati
Tipologia dell'Ente	Academic
Paese dell'Ente	Italy
Città	Trieste
Codice postale	34136
Indirizzo	Via Bonomes 265
Sito web	http://www.sissa.it

 

Contatto presso l'Ente

E-mail	phd@sissa.it
Telefono	+390403787452

 

EU Research Framework Programme

La borsa è finanziata/cofinanziata attraverso un EU Research Framework Programme?	HE / MSCA

 

Dettagli per la candidatura

Data di scadenza del bando	16/11/2023
Come candidarsi	https://pica.cineca.it/sissa/phd-amma-blessed-2/domande/