Opportunità di impiego presso società di ingegneria sita in Avellino operante nel settore dell'automazione di impianti siderurgici. Gli interessati sono pregati di inviare il proprio CV al prof. Gianmaria De Tommasi (Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.)
Contesto della ricerca
Il controllo della forma del plasma è essenziale per l'operazione sicura ed efficiente di un tokamak. Configurazioni ad alte prestazioni, caratterizzate da plasmi allungati, sono intrinsecamente instabili e richiedono sistemi di controllo in feedback che operino in tempo reale. Ogni algoritmo di controllo magnetico si basa sulla ricostruzione accurata e rapida del boundary del plasma per fornire i descrittori di forma necessari al regolatore.
In questo contesto si inserisce CARONTE (CREATE AI RecONstrucTor of plasma surfacE, https://ieeexplore.ieee.org/document/11605087), un algoritmo innovativo basato su reti neurali "physics-informed" che possono essere addestrate in real-time.
Obiettivi della Tesi
Il lavoro di tesi si propone di analizzare quantitativamente l'impatto di due specifiche modifiche metodologiche sull'attuale algoritmo CARONTE () , valutandone i benefici in termini di accuratezza, robustezza e consistenza fisica:
1. Ingegnerizzazione del codice
L'attuale implementazione di CARONTE, sviluppata in ambito di ricerca, sarà sottoposta a un'attività sistematica di refactoring, con lo scopo di ottimizzarlo e renderlo più modulare.
2. Analisi dell'Effetto dell'Inclusione delle Misure di Corrente
Attualmente CARONTE si basa esclusivamente su misure magnetiche (misure di flusso e campo magnetico). Questa attività studierà l'impatto dell'aggiunta delle misure delle correnti nelle bobine utilizzate per il controllo del plasma sul processo di ricostruzione.
3. Valutazione dell'Impatto dell'adozione di architetture g-PINN (gradient-PINN)
Si studierà l'effetto di utilizzare una rete neurale di tipo gradient-PINN. Nello specifico, si analizzerà come l'aggiunta di un termine relativo al gradiente dell'equazione di Grad–Shafranov nella funzione di perdita (loss function) influenzi la soluzione.
PER MAGGIORI INFORMAZIONI CONTATTARE il prof. Gianmaria De Tommasi (Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.) oppure il Dr. Federico Fiorenza (Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.)
Mercoledì 9 settembre 2026, alle ore 14:30, si terrà online la presentazione degli insegnamenti a scelta previsti dall’offerta formativa del Corso di Laurea Magistrale.
Durante l’incontro saranno illustrate le diverse proposte didattiche e gli studenti potranno rivolgere domande ai docenti, così da acquisire tutte le informazioni utili per la scelta degli insegnamenti.
Piattaforma: Microsoft Teams
Codice del canale: ap8dhjp
Link per partecipare: Accedi all’incontro su Microsoft Teams
L’evento sarà registrato e reso successivamente disponibile anche agli studenti che non potranno partecipare in diretta.
Tutti gli studenti interessati sono invitati a partecipare.
Si avvisano gli studenti immatricolandi dell'anno 2026/2027 che il 04 Settembre 2026 dalle 09:30 si terrà un evento di accoglienza presso l’aulario della sede di via Claudio, 21 – 80125 Napoli (adiacenze stadio Maradona). La partecipazione richiede una prenotazione, gratuita e obbligatoria, da fare on-line al link www.uniopenday.it nella sezione accoglienza. Al momento della prenotazione è necessario selezionare un’area (Civile, Industriale o dell’Informazione). L’associazione tra Corso di studio ed area è riportata alla pagina seguente.
Ulteriori Informazioni sono disponibili qui.
A cosa ci si riferisce quando si parla di Intelligenza Artificiale “at The Deep Edge”? Che cosa è e come si può sviluppare una Rete Neurale Artificiale? Il corso pratico per neofiti di STMicroelectronics intende affrontare il complesso tema dell’Intelligenza Artificiale from scratch. Attraverso un percorso didattico disegnato ad-hoc, Davide Ruggiero (Senior Advanced Research Engineer), condurrà i partecipanti attraverso questo affascinante e al contempo complesso mondo dell’Intelligenza Artificiale fornendo le necessarie nozioni teoriche e pratiche che consentiranno agli stessi di progettare e addestrare Reti Neurali Artificiali. Tali modelli saranno poi implementati su microcontrollori della famiglia STM32.
La locandina del corso è disponibile qui.