Fondo Italiano per la Scienza: selezionati due progetti del Politecnico
Due progetti del Politecnico di Milano sono stati ammessi ai finanziamenti del Fondo Italiano per la Scienza (Bando FIS2), lo stanziamento per la ricerca di base istituito dal Ministero dell’Università e Ricerca pensato per sostenere l’attività di ricercatori emergenti ed esperti sul modello dei prestigiosi grant assegnati dallo European Research Council (ERC), la struttura pubblica per il finanziamento della ricerca scientifica e tecnologica dell'Unione europea.
Giacomo Ghiringhelli
abovEF - Measuring the electronic structure above the Fermi level, and across
Coordinato dal prof. Giacomo Ghiringhelli (Dipartimento di Fisica del Politecnico di Milano) e finanziato con oltre 2 milioni di euro, il progetto è tra gli assegnatari di un Advanced Grant, la linea di finanziamento che sostiene le attività innovative di ricercatori affermati.
Grazie a abovEF sarà possibile allestire un laboratorio totalmente nuovo per lo studio degli stati elettronici dei materiali quantistici. Utilizzando la combinazione delle spettroscopie di fotoemissione inversa e diretta con risoluzione angolare, sarà possibile osservare i dettagli delle bande elettroniche dei solidi a cavallo del livello di Fermi con un’accuratezza senza precedenti. La novità principale consiste nell'osservazione degli stati vuoti al di sopra del livello di Fermi, molto importanti ma poco conosciuti. Essi infatti, insieme agli stati che si trovano al di sotto del livello di Fermi e che sono popolati da elettroni, determinano le proprietà elettroniche e magnetiche dei materiali. Tuttavia, per osservare gli stati vuoti è necessario popolarli di elettroni in modo molto controllato, il che è tecnicamente molto difficile.
La spettroscopia di fotoemissione inversa è stata inventata diversi decenni fa, ma negli ultimi anni è stata quasi del tutto dimenticata a causa della insoddisfacente qualità delle misure, dovuta alle eccezionali difficoltà tecniche del metodo. Il progetto abovEF mira a migliorare di 10 volte la risoluzione energetica e di 100 volte la sensibilità dello strumento rispetto all'attuale stato dell'arte, ottenendo una qualità senza precedenti negli esperimenti. Con questa tecnica è possibile studiare praticamente qualsiasi classe di materiali, ma il progetto approfondirà in particolare i materiali quantistici bidimensionali e i superconduttori ad alta temperatura critica.
Giacomo Ghiringhelli è professore ordinario di fisica sperimentale della materia e socio corrispondente dell’Accademia Nazionale dei Lincei; esperto dell’utilizzo della radiazione di sincrotrone per lo studio della struttura elettronica e magnetica dei solidi, ha fornito decisivi contributi allo sviluppo della spettroscopia di diffusione anelastica risonante di raggi X (Resonant Inelastic X-ray Scattering, o RIXS), una nuova tecnica sperimentale considerata essere la principale alternativa alla spettroscopia neutronica. Ha progettato strumentazione per il Sincrotrone Europeo ESRF di Grenoble, il PSI di Zurigo, lo European XFEL di Amburgo. Con Lucio Braicovich ha realizzato fondamentali esperimenti con la tecnica RIXS per lo studio delle onde di spin, delle eccitazioni orbitali, delle onde di densità di carica e dell’interazione elettrone-fonone nei cuprati superconduttori. Esperto di materiali a forte correlazione elettronica, in particolare di superconduttori ad alta temperatura critica, ha pubblicato più di 200 articoli sulle principali riviste internazionali di fisica.
Francesco Regazzoni
SYNERGIZE: Synergizing Numerical Methods and Machine Learning for a new generation of computational models
Il progetto di Francesco Regazzoni, ricercatore del Dipartimento di Matematica del Politecnico di Milano, è stato tra i selezionati per la linea Starting Grant che si rivolge a ricercatori emergenti, all’inizio della carriera ma già con un potenziale di ricerca.
SYNERGIZE, finanziato con oltre 1,2 milioni di euro, punta a trasformare il campo emergente del Scientific Machine Learning. Questo ambito unisce le tecniche di apprendimento automatico e intelligenza artificiale con i metodi del calcolo scientifico per affrontare alcune delle sfide più complesse e urgenti legate alla modellizzazione di fenomeni naturali, sociali e industriali.
L’obiettivo principale del progetto è sviluppare nuovi metodi che combinano la potenza predittiva degli algoritmi di Machine Learning con la solidità teorica dell’analisi numerica. SYNERGIZE intende così creare strumenti capaci di risolvere problemi matematici altamente complessi – come quelli descritti da equazioni differenziali – in tempi straordinariamente ridotti. Questo approccio non solo accelererà le simulazioni computazionali, ma le renderà anche più sostenibili, abbattendo i costi energetici e riducendo l’impatto ambientale legato all’uso massiccio di risorse computazionali. I risultati di SYNERGIZE avranno implicazioni concrete in numerosi settori: dall’ingegneria all’ambiente, dalla biomedicina all’industria. Oltre a fornire strumenti più veloci e sostenibili, SYNERGIZE mira ad un avanzamento teorico nel modo in cui il Machine Learning può essere utilizzato per il calcolo scientifico, esplorando nuovi principi per armonizzare apprendimento automatico e analisi numerica.
Francesco Regazzoni, Ricercatore tenure-track in Analisi Numerica, ha conseguito il dottorato di ricerca nel 2020 presso il Politecnico di Milano, sotto la supervisione del Prof. Alfio Quarteroni. Ha svolto periodi di ricerca in prestigiosi istituti internazionali, tra cui la Pennsylvania State University e la Harvard University. È esperto di modellistica matematica, simulazioni numeriche e machine learning. È stato autore di lavori di avanguardia sull’uso combinato di modelli basati sulla fisica e sull’apprendimento dai dati, e sullo sviluppo di metodi di intelligenza artificiale per applicazioni di calcolo scientifico. I suoi interessi di ricerca riguardano anche modelli e metodi matematici per la cardiologia computazionale. Autore di oltre 40 pubblicazioni in riviste internazionali, ha ricevuto prestigiosi riconoscimenti, come il VPH Young Investigator Award (2020), l'ECCOMAS Best PhD Thesis Award (2021), e il SIMAI Young Researcher Prize (2024).