Torna ai risultati della ricercaBando per incarichi di ricerca
| Titolo del progetto dell'incarico in italiano | Fisica statistica del deep learning |
|---|---|
| Titolo del progetto ddell'incarico in inglese | Statistical physics of deep learning |
| G.S.D. | 02/PHYS-06 - FISICA PER LE SCIENZE DELLA VITA, L'AMBIENTE E I BENI CULTURALI, DIDATTICA E STORIA DELLA FISICA |
| S.S.D | PHYS-06/A - Fisica per le scienze della vita, l'ambiente e i beni culturali |
| 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 | Il progetto mira a comprendere i meccanismi di generalizzazione nel deep learning attraverso strumenti della fisica statistica. L’obiettivo è sviluppare modelli fenomenologici, semplificati ma quantitativi, che descrivano l’interazione tra algoritmi di apprendimento, struttura dei dati e architetture neurali, fortemente informati da osservazioni empiriche. Utilizzando setting controllati e modelli con architetture standard, studieremo come e in quali condizioni gli algoritmi di apprendimento selezionano specifiche soluzioni tra molte equivalenti, introducendo implicit bias cruciali per la generalizzazione. La metodologia combina sperimentazione quantitativa e descrizioni matematiche tipiche della fisica statistica, al fine di caratterizzare le dinamiche di apprendimento e le proprietà delle soluzioni. I risultati contribuiranno alla comprensione teorica del deep learning e potranno guidare, in prospettiva, lo sviluppo di metodi più efficienti e robusti. |
| Descrizione sintetica in inglese | The project aims to understand the mechanisms of generalization in deep learning using tools from statistical physics. The goal is to develop phenomenological, simplified yet quantitative models that describe the interplay between learning algorithms, data structure, and neural network architectures, strongly informed by empirical observations. Using controlled settings and standard model architectures, we will investigate how and under which conditions learning algorithms select specific solutions among many equivalent ones, thereby inducing implicit biases that are crucial for generalization. The methodology combines quantitative experimentation with mathematical descriptions typical of statistical physics, in order to characterize learning dynamics and the properties of the resulting solutions. The results will contribute to a theoretical understanding of deep learning and may, in the longer term, guide the development of more efficient and robust methods. |
| Data del bando | 19/05/2026 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotto l'incarico |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://lavorainateneo.unito.it/index_ir.html?type=SEL_IDR |
| Destinatari dell'incarico di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| L'incarico prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 37808.4 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | Requisito obbligatorio per l'ammissione: possesso di Laurea Magistrale o a Ciclo Unico o di titolo equivalente conseguito all'estero, da non più di 6 anni alla data di scadenza del Bando (successiva alla data: 09/06/2020). Il Bando (pubblicato sull'Albo d'Ateneo al n. rep. 2560 del 19/05/2026), contenente le modalità di iscrizione/partecipazione alla selezione e i requisiti, è disponibile su https://webapps.unito.it/albo_ateneo/ . |
| Criteri di selezione in inglese (breve descrizione) | Mandatory requirement for admission to the selection: italian Laurea Magistrale, or Laurea a Ciclo Unico, or an equivalent degree from foreign Universities, obtained no more than 6 years prior to the application deadline (i.e obtained after 09/06/2020). The Call for Applications (published on the University Bulletin Board under ref. no. 2560 of 19/05/2026), containing the procedures to participate in the selection process and the specific requirements for each selection, is available at https://webapps.unito.it/albo_ateneo/ . |
| Processo di selezione in italiano (breve descrizione) | Per Titoli. La domanda deve essere presentata tramite la procedura online https://pica.cineca.it/unito/sdn-2026-iii - per informazioni: incarichiricerca@unito.it |
| Processo di selezione in inglese (breve descrizione) | Per Titoli. La domanda deve essere presentata tramite la procedura online https://pica.cineca.it/unito/sdn-2026-iii - per informazioni: incarichiricerca@unito.it |
| Nome dell'Ente finanziatore | Università di Torino |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Turin |
| Sito web | https://www.unito.it/ |
| incarichiricerca@unito.it |
| L'incarico finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 09/06/2026 - alle ore 13:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/unito/sdn-2026-iii/ |