Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | ERODEM: Esplorare la recessione di rocce carbonatiche utilizzando vasti database sperimentali tramite tecniche di Machine Learning |
|---|---|
| Titolo del progetto di ricerca in inglese | ERODEM: Exploring Carbonate Rock Recession through Data Fusion of Extensive Experimental Data via Machine Learning |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | GEO/09 - GEORISORSE MINERARIE E APPLICAZIONI MINERALOGICO-PETROGRAFICHE PER L'AMBIENTE E I BENI CULTURALI |
| Descrizione sintetica in italiano | Stabilire una quantificazione affidabile delle condizioni climatiche e degli agenti atmosferici di degrado al fine di derivare indicatori quantitativi per valutare potenziali impatti climatici sul patrimonio culturale (CH), valutando l'impatto dei fattori ambientali sul deterioramento della pietra mediante un apparato sperimentale appositamente progettato, ed esperimenti di laboratorio. Queste informazioni saranno integrate con dati pubblicati, comprese le caratteristiche petrografiche e il comportamento igrotermico in condizioni di stress simulate, nonché dati microclimatici, con lo scopo di creare un ampio database di dati sulla recessione della superficie e sui parametri chiave che influenzano i tassi di recessione. Successivamente, svilupperà e affinerà equazioni di recessione (DRFs) specifiche del materiale utilizzando algoritmi di Machine Learning (ML) come Extreme Gradient Boosting (XGB) e Light Gradient Boosting (LGB). |
| Descrizione sintetica in inglese | The researcher will be responsible for establishing reliable quantification of climate conditions and atmospheric stressors to derive quantitative indicators for potential climate impacts on CH, evaluating the impact of environmental factors (such as rainwater, wind direction, and sun irradiation) on stone deterioration using a specifically designed monitoring apparatus and laboratory experiments, integrating this information with published data, including petrographic characteristics and hygrothermal behaviour under simulated stress conditions, as well as micro-climate data. This effort will aim to create an extensive database of surface recession data and key parameters influencing recession rates. She/he will then develop and refine material-specific damage and dose-response functions (DRFs) through the utilization of Extreme Gradient Boosting (XGB) and Light Gradient Boosting (LGB) Machine Learning (ML) algorithms. |
| Data del bando | 04/06/2024 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 21.304,00 |
| Periodicità | 18 mesi |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://protocollo.unipd.it/albo/viewer |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 21304 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | yes |
| Nome dell'Ente finanziatore | Dipartimento di Geoscienze - Università degli Studi di Padova |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Padova |
| Codice postale | 35131 |
| Indirizzo | via Gradenigo 6 |
| Sito web | https://www.geoscienze.unipd.it/ |
| ricerca.geoscienze@unipd.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 19/06/2024 |
|---|---|
| Come candidarsi | https://pica.cineca.it/ |