Bando per assegno di ricerca
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/ |
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 |
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 |
ufficio.selezioneassunzione@unimore.it | |
Telefono | 059/2056075 - 6445 - 7078 |
L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
---|
Data di scadenza del bando | 08/12/2023 |
---|---|
Come candidarsi | Other |