COMPUTATIONAL INTELLIGENCE

L’insegnamento è una delle attività formative obbligatorie del Corso di Laurea in Ingegneria Fisica, e fornisce un'introduzione alla modellazione, simulazione e analisi di sistemi complessi, all'individuazione di soluzioni computazionali, e all'analisi della dinamica prodotta.

Conoscenza e comprensione dei principali metodi di modellazione e simulazione di sistemi complessi.
Conoscenza delle tecniche di Computational Intelligence adeguate per colmare i gap di conoscenza.
Comprensione e valutazione della complessità del problema, capacità di selezionare e implementare metodi adeguati di simulazione e analisi.

Conoscenza del linguaggio Python. Conoscenze di base di probabilità e statistica.

Modellazione e simulazione di sistemi complessi
Generazione di numeri casuali
Processi Markoviani e l’algoritmo di Simulazione Stocastica di Gillespie
Metodi di modellazione e simulazione avanzata: simulazione approssimata (tau leaping), rule-based, network-free, spaziale
Simulazione basata su agenti
Automi cellulari
Soluzione di equazioni differenziali ordinarie, simulazione ibrida e multi-scala
Equazioni di Langevin ed equazioni differenziali stocastiche
Analisi di dinamiche complesse: parameter sweep, sensitivity analysis
Stima di parametri e reverse engineering con metodi evolutivi e swarm intelligence
Ottimizzazione multi-obiettivo
Effetti emergenti della dinamica dei sistemi complessi: multistabilità, robustezza, chaos
Applicazioni di reti neurali allo studio di sistemi complessi

Slide e materiale vario disponibili sulla piattaforma di e-learning.

Letture integrative:
Munsky, Brian, William S. Hlavacek, and Lev S. Tsimring, eds. "Quantitative biology: theory, computational methods, and models". MIT Press, 2018.
Vanneschi, Silva. "Lectures On Intelligent Systems". Springer, 2023.

Esame scritto al 70% e presentazione di project work (30%)

scritto

Didattica frontale, active learning, lezioni di laboratorio, seminari