Le simulazioni al computer sono ampiamente utilizzate nella ricerca scientifica e nell'industria per l'analisi, la progettazione e l'ottimizzazione di sistemi fisici. Negli ultimi decenni, i metodi di Intelligenza Artificiale (AI) e Machine Learning (ML) sono entrati con successo nei flussi di lavoro della scienza e dell'ingegneria per soddisfare le crescenti richieste di modelli fisici veloci e accurati, grazie a una combinazione di miglioramenti negli algoritmi, nella potenza di calcolo e nelle tecniche di acquisizione dei dati. Ad esempio, l'AI ed il ML hanno contribuito a migliorare le previsioni meteorologiche e la simulazione di moti complessi di fluidi. Tuttavia, sono emerse limitazioni dei metodi basati puramente sui dati per quanto riguarda le loro capacità di generalizzazione e la loro intelligibilità.

Per superare queste limitazioni, il progetto ALPS (AI-based Learning for Physical Simulation), finanziato tramite un ERC, propone un approccio originale che combina metodi di ML e modelli matematici per lo sviluppo di nuovi algoritmi in grado di apprendere automaticamente modelli di sistemi fisici da dati sperimentali. Per gestire in modo efficiente il costo computazionale associato ai metodi proposti, gli algoritmi saranno implementati in una nuova piattaforma software che integra l'apprendimento automatico del modello e la simulazione ad alte prestazioni.
I metodi sviluppati in questo progetto saranno impiegati per affrontare le sfide scientifiche nella medicina, nella scienza e nella tecnologia dell'energia sostenibile e nella robotica soffice. In particolare, prevediamo nuove scoperte scientifiche nel problema della crescita tumorale, dove modelli matematici accurati non attualmente disponibili potrebbero fornire la base per nuove strategie terapeutiche. Inoltre, utilizzeremo gli algoritmi per derivare modelli di ordine ridotto per il controllo basato su modello nella robotica soffice e per affrontare problemi di progettazione, ottimizzazione e controllo in ingegneria.

ENTE FINANZIATORE:  ERC - European Research Council 
NUMERO DEL PROGETTO:  101039481
PERIODO E DURATA:  2022-2027 
FINANZIAMENTO:  1,3 M€
COORDINATORE: Alessandro Lucantonio