Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | CONCORSO A N. 2 ASSEGNI DI RICERCA, GRUPPI 13/ECON-04 ECONOMIA APPLICATA, 13/ECON-01 ECONOMIA POLITICA E 13/ECON-02 POLITICA ECONOMICA, CENTRO DIRB, UNIVERSITA’ BOCCONI, PROGETTO MUSA |
|---|---|
| Titolo del progetto di ricerca in inglese | COMPETITION FOR 2 RESEARCH GRANTS, GROUP 13/GIUR-07 MANAGEMENT, BIDSA RESEARCH CENTER, UNIVERSITA’ BOCCONI |
| Campo principale della ricerca | Physics |
| Sottocampo della ricerca | Mathematical physics |
| G.S.D. | 02/PHYS-02 - FISICA TEORICA DELLE INTERAZIONI FONDAMENTALI, MODELLI, METODI MATEMATICI E APPLICAZIONI |
| S.S.D | PHYS-02/A - Fisica teorica delle interazioni fondamentali, modelli, metodi matematici e applicazioni |
| Descrizione sintetica in italiano | L'obiettivo del progetto è migliorare i modelli basati sull'energia per le sequenze di proteine e adattarli ad applicazioni ad alto potenziale. I modelli basati sull'energia sono spesso preferibili alle architetture black-box delle reti neurali per la loro semplicità e per le prestazioni all'avanguardia. Le reti neurali, d'altra parte, sono in grado di modellare pattern più complessi nei dati e sono facilmente scalabili su insiemi di dati molto grandi, anche se con una perdita di interpretabilità in termini della biologia sottostante. Il progetto avrà quindi due aspetti principali: i) combinare i modelli di Potts con le reti neurali per sviluppare modelli che siano al tempo stesso espressivi e interpretabili e ii) applicare gli strumenti della sensitivity analysis e della explainable AI alle reti neurali addestrate per la progettazione di proteine e per altri compiti, per capire quali informazioni biologiche questi modelli catturano dai dati. |
| Descrizione sintetica in inglese | The aim of the project is to improve energy-based models for protein sequences and to adapt them for high-potential applications. Energy-based models are often preferable to black-box neural network architectures due to their simplicity combined with state-of-the-art performance in several tasks. Neural networks, on the other hand, are in principle able to model more complex patterns in the data and are easily scalable to very large datasets, albeit with a loss of interpretability in terms of the underlying biology. The project will have thus two main aspects: i) combining Potts models with neural networks to develop models that are both expressive and interpretable and ii) applying the tools of sensitivity analysis and explainable AI to neural networks trained for protein design and other tasks for understanding what biological information these models capture from the data. |
| Data del bando | 02/12/2024 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://jobmarket.unibocconi.eu/?id=713 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | yes |
| Massima durata dell'assegno (mesi) | 7 |
| Nome dell'Ente finanziatore | Bocconi University |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Milano |
| Codice postale | 20136 |
| Indirizzo | Via Sarfatti 25 |
| Sito web | https://www.unibocconi.it/en |
| faculty@unibocconi.it | |
| Telefono | 0258365032 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | HE |
|---|
| Data di scadenza del bando | 06/01/2025 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://jobmarket.unibocconi.eu/?id=713 |