Geometria, materiali e Machine Learning
Sesto appuntamento con il ciclo di seminari "La ricerca negli Istituti di Ingegneria della Scuola Superiore Sant'Anna". Giovedì 15 aprile 2021, alle ore 18, Alessandro Lucantonio, ricercatore dell'Istituto di BioRobotica, presenterà il seminario "Geometria, materiali e Machine Learning". Il seminario può essere seguito in diretta streaming sulla piattaforma WebEx al seguente link: https://sssup.webex.com/sssup-en/j.php?MTID=m0c06907897a473b753308c6778b2976b o in alternativa sul canale YouTube dell'Istituto di BioRobotica: https://youtu.be/v3Q0YyLU9bI
ABSTRACT
Il seminario affronterà il ruolo fondamentale della Geometria (Differenziale) come chiave di lettura dei cambiamenti di forma osservabili nelle strutture naturali (piante e tessuti biologici) e artificiali. Si capirà come tali cambiamenti morfologici possono essere controllati nei sistemi sintetici sfruttando risultati geometrici generali e materiali "intelligenti" (smart materials). Quindi si analizzeranno alcune peculiarità degli smart materials riguardo al loro comportamento a frattura, con particolare riferimento agli idrogel. Infine si parlerà degli approcci innovativi nella costruzione di modelli per gli smart materials (e non solo) che combinano alcuni strumenti matematici e algoritmi di Machine Learning.
BIOSKECTH
Il Dott. Alessandro Lucantonio è ricercatore in Scienza delle Costruzioni presso l'istituto di BioRobotica. Ha conseguito il Dottorato di Ricerca in Meccanica Teorica e Applicata alla Sapienza Università di Roma e una Laurea Specialistica in Ingegneria Spaziale presso la stessa istituzione. Durante il Dottorato è stato Visiting Student Research Collaborator nel Complex Fluids Group presso la Princeton University. Dopo il Dottorato, è stato prima postdoc e poi ricercatore alla SISSA di Trieste, all'interno del gruppo mathLab dell'Area di Matematica. I suoi interessi di ricerca riguardano la modellazione teorica e computazionale di sistemi multi-fisica, fra i quali materiali attivi polimerici e tessuti biologici, con l'impiego di approcci innovativi all'intersezione fra la Meccanica, la Geometria Differenziale ed il Machine Learning.