Questa tesi propone una review dei modelli di reti neurali informate dalla fisica e/o dalla biologia, esplorando i meccanismi delle PINN (Physics-Informed Neural Networks) e delle Bio-inspired neural networks (reti neurali ispirate alla biologia). Tali approcci integrano principi e leggi della fisica e della biologia nel processo di apprendimento, consentendo ai meccanismi neurali di acquisire una maggiore comprensione e interpretazione dei fenomeni naturali. La tesi esaminerà i principali fondamenti teorici di questi modelli, le metodologie di implementazione e le principali applicazioni.
PREREQUISITI
Familiarità con i principali algoritmi di apprendimento.
Esperienza di programmazione Python-PyTorch.
OBIETTIVI FORMATIVI
Approfondimento della comprensione dei modelli di reti neurali informate dalla fisica e dalla biologia, comprese le loro basi teoriche, i principi di base che le regolano e le metodologie di disegno e implementazione.
Sviluppo della Capacità di Ricerca e Innovazione: Stimolare la capacità di ricerca e innovazione nel campo delle reti neurali informate dalla fisica e dalla biologia, incoraggiando lo sviluppo di nuove idee e approcci per migliorare l’efficacia e l’applicabilità di tali modelli.
DURATA DELLO STAGE E CONTESTO RACCOMANDATO
• Adatto a: Tesi di Laurea Magistrale
• Durata: 3-5 mesi
MODALITA’ DI LAVORO: da remoto, con riscontri sistematici.
o Pianificazione del lavoro con obiettivi sistematici (di volta in volta concordati con il docente) utili al completamento del progetto di tesi.