Tu sei qui

Learning and Control

Direttore: Mario Zanon

Introduzione

L’enorme quantità di dati generata da sensori, smartphone, computer e piattaforme web all’interno di sistemi domotici e dispositivi smart, di manufatti quali veicoli e robot, nei processi di produzione, nelle reti elettriche intelligenti, e in molti altri ha reso la nostra vita sempre più data-driven. Tale disponibilità di dati, unita alla possibilità di avere unità di calcolo sempre più potenti e distribuite in maniera pervasiva sia all’interno dei dispositivi (embedded) o in schede multiprocessore ad essi collegati che in cloud, rende oggi necessarie nuove competenze per sapere come utilizzare i dati per predire il comportamento del sistema che li genera e per prendere delle decisioni in maniera autonoma sulla base delle informazioni in essi contenuti, preferibilmente in maniera efficiente e robusta dal punto di vista computazionale. Queste competenze sono necessarie non solo per l’ingegnerizzazione di sistemi di automazione industriale e robot, ma anche in diversi altri contesti, quali le infrastrutture critiche (reti energetiche, mobilità urbana, reti idriche), i veicoli a guida autonoma, la finanza, i sistemi biomedici, la domotica e molti altri.

Il track dottorale in Learning and Control (LC) propone una formazione dottorale interdisciplinare per studenti laureati che desiderino specializzarsi nella ricerca e nello sviluppo di algoritmi per l’apprendimento automatico di modelli a partire dai dati e per il controllo di sistemi dinamici basato sull’ottimizzazione numerica. Tali metodologie permettono sia di capire le dinamiche del sistema che genera i dati, attraverso l’apprendimento di modelli matematici che consentano di analizzarne il comportamento, predirne possibili scenari di evoluzione futuri, diagnosticarne malfunzionamenti, sia di migliorarne il comportamento complessivo mediante algoritmi di controllo real-time, rendendo il sistema autonomo nell’agire in maniera ottimale e sicura per perseguire obiettivi prefissati. Tali metodologie prescindono dalla natura fisica del sistema oggetto di studio e sono pertanto applicabili ad una miriade di problemi reali, ad esempio per permettere tanto ad un autoveicolo di guidare autonomamente ed evitare ostacoli o ad un satellite di cambiare il proprio assetto, quanto ad una rete elettrica intelligente di sfruttare al massimo l’energia proveniente da fonti rinnovabili.

Il programma di studi prevede alcuni corsi di base in grado di fornire una formazione solida sulle tecniche di apprendimento automatico (machine learning), ottimizzazione numerica, analisi e controllo di sistemi dinamici, programmazione. In particolare:

  • Controllo predittivo
  • Algoritmi di machine learning
  • Ottimizzazione numerica
  • Reinforcement learning

Oltre ai corsi di base, sono previsti seminari di ricerca specializzati su argomenti di frontiera della ricerca e la possibilità di frequentare scuole di dottorato tematiche. Il percorso dottorale prevede inoltre la possibilità di trascorrere un periodo di ricerca all’estero di durata in genere compresa tra i 3 e i 12 mesi.

Profili in ingresso e in uscita

I potenziali allievi dovrebbero preferibilmente avere una formazione in ingegneria, matematica, informatica, fisica, statistica o in un ambito correlato. Ai potenziali allievi vengono proposti argomenti di ricerca di frontiera, oppure sono liberi di proporre un tema di ricerca di loro interesse.

Il track LC prepara ricercatori e professionisti in grado di analizzare e proporre soluzioni a diversi problemi reali di interesse industriale, economico e sociale, rendendoli qualificati per lavorare in ruoli professionali di alto profilo all'interno di università, centri di ricerca e nel settore privato, quali ad esempio nel settore automobilistico, aerospaziale, chimico, manifatturiero, delle infrastrutture, dell’energia, della mobilità urbana, biomedico, e in diversi altri ambiti. Figure professionali in grado di manipolare i dati mediante algoritmi matematici vengono inoltre particolarmente ricercate anche in settori emergenti quali il commercio elettronico, l’analisi di social networks, finanza e molti altri. Tali figure di dottori di ricerca sono particolarmente apprezzate per la loro estrema versatilità, essendo in possesso di metodologie di approccio alla formulazione e risoluzione di problemi e di competenze algoritmiche e informatiche molto generali.

I dottorandi hanno l'opportunità di collaborare con altre istituzioni ed aziende con cui le Unità di Ricerca della Scuola IMT collaborano.

Per maggiori informazioni riguardante le attività e il personale di ricerca attinente al track si rimanda al link http://dysco.lab.imtlucca.it.

Unità di Ricerca che collaborano al curriculum

DySCO

AllegatoDimensione
PDF icon LC Web Flyer342.15 KB
PDF icon Course List (A.Y. 2022-2023)249.07 KB