Bandi per assegni di ricerca

Univ. MODENA e R. E.

Torna ai risultati della ricerca
Bando per assegno di ricerca
Descrizione del bando
Titolo del progetto di ricerca in italiano Codice pica 2023_adrj157 ENZYLEARNING Un approccio stocastico multiscala alla catalisi enzimatica: sviluppo di un training set per la progettazione assistita da machine learning di enzimi efficienti per la depolimerizzazione delle materie plastiche
Titolo del progetto di ricerca in inglese Pica code 2023_adrj157 A multiscale stochastic approach to enzyme catalysis: development of a training set for the machine learning aided design of efficient enzymes for plastic omissis
Campo principale della ricerca Chemistry
Sottocampo della ricerca Physical chemistry
Campo principale della ricerca Chemistry
Sottocampo della ricerca Physical chemistry
Settore Concorsuale 02 - Scienze fisiche
S.S.D FIS/07 - FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA)
Settore Concorsuale 02 - Scienze fisiche
S.S.D FIS/03 - FISICA DELLA MATERIA
Descrizione sintetica in italiano Lo scopo è condurre simulazioni di dinamica molecolare QM/MM con enhanced sampling per stimare le superfici di energia libera di enzimi o di opportune porzioni di essi. Si testerà l'uso di metodi semi-empirici ("second principles"), in particolare PM7 e DFTB. Un approccio basato su quest'ultimo livello di teoria è già stato integrato con successo nei schemi QM/MM e verrà utilizzato. È probabile che le simulazioni QM/MM richiedano tempi computazionali proibitivi per produrre la quantità di dati necessari per addestrare una rete neurale (di solito, il set di dati richiede da alcune centinaia a qualche migliaio di elementi): pertanto, saranno esplorati anche metodi semi-empirici più veloci. L’obiettivo ultimo di queste simulazioni è creare un database affidabile di dati da poter essere usato come training set per algoritmi di machine learning.
Descrizione sintetica in inglese Enhanced sampling quantum mechanical / molecular mechanics (QM/MM) dynamics simulations will be performed to estimate free energy surfaces. The use of semi-empirical methods (“second principles quantum mechanics”) may be attempted, in particular PM7 and DFTB . An approach based on the latter level of theory was successfully integrated into QM/MM schemes . It is likely that QM/MM simulations would require prohibitive computational times to produce the amount of data needed to train a neural network (usually, the dataset requires from few hundreds to few thousand elements): therefore, faster semi-empirical methods will also be explored.
Data del bando 08/11/2023
Numero di assegnazioni per anno 1
Stanziamento annuale (indicativo) 27204
Periodicità 24
E' richiesta mobilità internazionale? no
Paesi in cui può essere condotta la ricerca Italy
Paesi di residenza dei candidati OTHER
Nazionalità dei candidati OTHER
Sito web del bando https://titulus-unimore.cineca.it/albo/

 

Dettagli dell'assegno di ricerca
Destinatari dell'assegno di ricerca (of target group) Early stage researcher or 0-4 yrs (Post graduate)
Il contratto prevede la copertura delle prestazioni sociali? no
Importo annuale 22054
Valuta Euro
Comprende lo stipendio dell'assegnista yes
Comprende vitto e spese di viaggio no
Comprende il costo della ricerca no
Massima durata dell'assegno (mesi) 72
Processo di selezione in italiano (breve descrizione) procedura selettiva pubblica per titoli e colloqui
Processo di selezione in inglese (breve descrizione) selective public procedure by qualifications and interview

 

Finanziatore
Nome dell'Ente finanziatore UNIMORE
Tipologia dell'Ente Academic
Paese dell'Ente Italy
Città Modena
Codice postale 41121
Indirizzo Via Università nr.4
Sito web http://www.unimore.it

 

Contatto presso l'Ente
E-mail ufficio.selezioneassunzione@unimore.it
Telefono 059/2056075 - 6445 - 7078

 

EU Research Framework Programme
L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? No

 

Dettagli per la candidatura
Data di scadenza del bando 08/12/2023 - alle ore 00:00
Come candidarsi Other