Dipartimento di Eccellenza

Linee di ricerca

 

High Performance Computing –
Big Data – Machine Learning (HPC-BD-ML)

L’obiettivo duplice che tale linea di ricerca intende raggiungere è:

  • sviluppare nuove competenze nell’ambito dell’High-Performance & Data-Driven Scientific Computing, applicato alla ricerca in astrofisica, fisica delle alte energie e fisica dei materiali;
  • far crescere una nuova generazione di fisici computazionali, in grado di raccogliere le opportunità e le sfide del calcolo ad alte prestazioni (HPC) nell’era dell’exascale e post-exascale, e dei nuovi algoritmi di analisi dati basati su machine learning (ML).

Per la natura delle sue linee di ricerca in fisica fondamentale, il DF vanta una tradizione di ricerca già consolidata e ampiamente riconosciuta nel campo del HPC e dell’analisi di grandi moli di dati, che richiedono sia l’utilizzo delle infrastrutture di calcolo massivamente parallele più avanzate, sia uno sviluppo continuo di paradigmi di calcolo e di codici che possano trarre massimo vantaggio dalla continua evoluzione delle architetture hardware. Il fattore comune di tali ricerche è che si basano su progressi teorici e algoritmici e che, a causa dell’aumento esponenziale dei dati sia sperimentali che da simulazioni, richiedono massicce risorse computazionali, coniugando HPC, tecniche di ML, e di visualizzazione, interrogazione e gestione di grandi basi di dati. Con questo progetto si intendono approfondire ed espandere le competenze già esistenti per un’innovazione metodologica a livello di algoritmi e per un co-design tra hardware e software, ai fini di ottimizzare le prestazioni sulle infrastrutture di calcolo in continua evoluzione. Questo sviluppo permetterà sia di investigare sistemi sempre più complessi e realistici, aprendo nuovi orizzonti e ampliando il potere predittivo delle simulazioni, sia di analizzare con maggiore efficienza e precisione grandi moli di dati in cui si nascondono segnali fisici. 

 

 

Laboratorio Interdisciplinare
di Elettronica e Sensoristica Avanzate (LEA)

Il DF per le sue attività di fisica sperimentale ha una forte tradizione di sviluppo di rivelatori e intende investire una parte rilevante del finanziamento del DdE per il rafforzamento delle competenze interne in ambito elettronico e sensoristico, il potenziamento della ricerca sperimentale di alto livello e il supporto alla didattica avanzata in campo elettronico-strumentale nei diversi curricula del Corso di LM in Fisica. Tale azione intende contribuire a elevare in modo permanente il profilo di eccellenza del Dipartimento favorendo lo sviluppo armonico della ricerca nei vari campi e potenziando la capacità di formazione di giovani ricercatori.

La progettazione, realizzazione e utilizzazione di sensori, dispositivi elettronici e ottici, elettronica di controllo e di lettura dei segnali sono tasselli fondamentali di ogni ricerca di fisica sperimentale. La rete dei laboratori specializzati presenti nel Sistema Trieste, già utilizzati o gestiti da ricercatori e docenti del Dipartimento nell’ambito di collaborazioni con enti quali INFN, CNR-INO, CNR-IOM, Elettra e INAF, non è accessibile all’intera comunità dipartimentale.

Risulta dunque chiara l’esigenza di creare una struttura che permetta ai diversi gruppi del DF, che affrontano nella loro ricerca problematiche tecnologiche simili e che necessitano di strumentazione con caratteristiche e prestazioni compatibili, di accedere a servizi ed equipaggiamenti avanzati in un’ottica di ottimizzazione delle risorse. La creazione di uno spazio naturale di condivisione di strumentazione, competenze e potenzialmente di tecniche multidisciplinari, consentirà di generare un meccanismo virtuoso di scambio culturale e collaborazione. Questa azione ha infine l’ulteriore obiettivo di integrare le diverse collaborazioni con aziende e enti di ricerca collegati in modo da massimizzare le sinergie con il DF per lo sviluppo di tecnologia, strumentazione e metodologie avanzate. 

 

 

Scienze e Tecnologie Quantistiche (STQ)

L’obiettivo primario di questa linea è il consolidamento e l’espansione dell’attività di ricerca in ambito teorico e sperimentale nel campo delle scienze e tecnologie quantistiche (STQ), in cui il DF è già un punto di riferimento a livello nazionale, insieme alla realizzazione di un’innovativa e sinergica offerta didattica correlata.

La ricerca inerente alle STQ presso il DF risale a più di 40 anni fa, con risultati di primo piano relativi ai fondamenti della meccanica quantistica, ottenuti grazie alla nascente teoria dei sistemi quantistici aperti. Tale attività si è poi espansa negli anni e comprende oggi attività teoriche e sperimentali, concernenti in particolare lo studio dei sistemi quantistici aperti, dei vari aspetti dell’informazione quantistica e dei loro fondamenti matematici, del quantum machine learning con le sue applicazioni alla quantum artificial intelligence, della fisica quantistica a molti corpi e della simulazione quantistica con piattaforme basate su atomi ultrafreddi, della fotonica per comunicazioni ottiche quantistiche, dell’interferometria atomica e del sensing quantistico con le sue applicazioni metrologiche, della simulazione, crescita e caratterizzazione dei materiali quantistici, della crescita di nanoparticelle, nanocluster e punti quantici e della caratterizzazione di proprietà quantistiche.

L’espansione delle attività di ricerca in STQ ha l’obiettivo di intercettare gli sviluppi più recenti, sperimentali e teorici, quali la realizzazione e modellazione di piattaforme fotoniche, atomiche e/o a stato solido per l'elaborazione dell'informazione quantistica, con applicazioni in sensing, comunicazione, computazione e simulazione, nonché lo studio e la creazione di interfacce tra distinte piattaforme quantistiche – una direzione di forte sviluppo verso la realizzazione di reti quantistiche distribuite. 

 

 

Fisica dei Sistemi Complessi (FSC)

Un sistema complesso è un sistema il cui comportamento non è facilmente deducibile dalle proprietà dei suoi costituenti e dalle interazioni che li legano; ad esempio, secondo P. W. Anderson "more is different”, nel senso che l’aumento del numero di costituenti di un sistema determina un cambiamento delle proprietà macroscopiche non solo quantitativo ma anche qualitativo.

I sistemi complessi spaziano dai sistemi dinamici (sistemi di equazioni non lineari) al clima, dai sistemi astrofisici, ai mercati finanziari, dai sistemi biofisici alle dinamiche sociali. Sistemi complessi così diversi spesso mostrano comportamenti simili, che possono essere studiati e compresi con metodi di fisica statistica e computazionale, come proposto ad esempio dal Nobel 2021 G. Parisi. 

L’obiettivo di questa linea è quello di creare un ambiente didattico e di ricerca in cui sviluppare innovative tecniche e metodologie teoriche di studio, comprensione e gestione dei comportamenti complessi ottimizzando approcci di fisica statistica e computazionale. A partire da questo nucleo di attività, si potranno formare gli studenti relativamente alle conoscenze e tecnologie più all’avanguardia in quest’ambito, quali quelle inerenti alla meteorologia, climatologia, biofisica, fenomeni caotici e turbolenti, reti neurali, declinazione e valutazione del rischio e dinamiche di mercato.

Questa linea sarà in naturale sinergia con le altre linee di ricerca del progetto e verrà supportata da un’adeguata infrastruttura tecnologica.  In questo ambito, il DdE intende divenire un ambiente di ricerca in cui le conoscenze di tipo fisico e computazionale applicate ai sistemi complessi vengano da una parte indirizzate allo sviluppo di tecnologie dedicate e dall’altra alla formazione universitaria, creando un luogo di reale trasferimento del sapere dalla struttura universitaria di eccellenza che lo genera alla società che ne beneficia. La realizzazione di questo progetto vede nell’interdisciplinarietà intrinseca alle sue articolazioni, una volta inserite nel comprensivo contesto della fisica applicata, l’elemento chiave per affrontare con successo la modellizzazione dei sistemi fisici complessi, con importanti ricadute pratiche. 

Ultimo aggiornamento: 05-04-2024 - 12:23