Torna ai risultati della ricercaBando per incarichi post doc
| Titolo del progetto in italiano | Costo termodinamico delle Quantum Extreme Learning Machines |
|---|---|
| Titolo del progetto in inglese | Thermodynamic cost of Quantum Extreme Learning Machines |
| Campo principale | Physics |
| Sottocampo | Quantum mechanics |
| G.S.D. | 02/PHYS-04 - FISICA TEORICA DELLA MATERIA, MODELLI, METODI MATEMATICI E APPLICAZIONI |
| S.S.D | PHYS-04/A - Fisica teorica della materia, modelli, metodi matematici e applicazioni |
| Descrizione sintetica in italiano | Le Extreme Learning Machines (ELM) sono reti neurali feed-forward a singolo layer nascosto con accoppiamenti casuali, addestrate tramite regressione lineare, con risparmio di tempi e risorse. Le controparti quantistiche (QELM) sfruttano un reservoir quantistico per creare rappresentazioni complesse di dati classici, con prestazioni economiche e robuste al rumore. Il "Quantum Theory Group" di UNIPA ha dimostrato i vantaggi delle QELM per la validazione e certificazione di sistemi quantistici senza ricostruzione tomografica. Tali algoritmi si applicano all'ottimizzazione di processi complessi, quantistici e classici, su macchine NISQ, alla caratterizzazione energetica di sistemi biochimici simulati su computer quantistici e all'ottimizzazione di network per comunicazione e logistica. La ricerca analizzerà il costo termodinamico delle QELM per determinarne la sostenibilità energetica, con le tecniche di termodinamica dell'informazione quantistica di cui il gruppo è pioniere. |
| Descrizione sintetica in inglese | Extreme Learning Machines (ELMs) are feed-forward neural networks with a single hidden layer and random couplings, trained via linear regression, saving time and resources. Their quantum counterparts (QELMs) use a quantum reservoir to build complex representations of classical data, with inexpensive, noise-robust performance. The Quantum Theory Group at UNIPA has demonstrated the advantages of QELMs for validating and certifying quantum systems without tomographic reconstruction. These algorithms apply to the optimisation of complex processes, quantum and classical, on NISQ machines, to the energetic characterisation of biochemical systems simulated on quantum computers, and to the optimisation of networks for communication and logistics. The research will analyse the thermodynamic cost of QELMs to establish their energetic sustainability, using quantum information thermodynamics, a field in which the group is a pioneer. |
| Data del bando | 01/10/2026 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotto l'incarico |
Italy |
| Paesi di residenza dei candidati |
EUROPE OTHER |
| Nazionalità dei candidati |
EUROPE OTHER |
| Sito web del bando | https://www.unipa.it/albo.html |
| Destinatari dell'incarico post doc (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Importo annuale | 31.247 |
| Valuta | Euro |
| Nome dell'Ente finanziatore | Università degli Studi di Palermo |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Palermo |
| Sito web | https://www.unipa.it/servizi/assegnidiricerca/incarichi-post-doc/ |
| stefania.crifasi@unipa.it |
| L'incarico finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 31/10/2026 - alle ore 23:59 |
|---|---|
| Come candidarsi | pec@cert.unipa.it |