Descrizione posizione

Titolo del progetto di ricerca in italiano	CN1 Simulazioni, calcolo e analisi dei dati ad alte prestazioni
Titolo del progetto di ricerca in inglese	CN1 High-Performance Simulations, Computations and Data analytics
Descrizione sintetica in italiano	Il ricercatore dovrà svolgere attività scientifica nell’ambito del SSD ING-IND/07, secondo quanto previsto dalla relativa declaratoria, con particolare riferimento allo sviluppo di metodi teorico/numerici per la generazione di gemelli digitali di interesse nella Propulsione Aerospaziale. Tale compito può essere svolto con modelli surrogati di ordine ridotto anche ottenuti per mezzo di tecniche di Machine Learning che sfruttano l’assimilazione di dati anche integrati con conoscenze fisiche pregresse. Inoltre, la progettazione robusta dei modelli digitali richiede la quantificazione dell’incertezza in grado di garantire una stima accurata del grado di affidabilità sia dei modelli a media fedeltà che dei gemelli digitali da essi derivanti. Per ciò detto, il possesso di competenze sugli approcci di regressione non-lineare, come Gaussian Process Regression, Polynomial Chaos Expansion, Neural Network, e Convolutional NNs, sarà considerato elemento preferenziale di valutazione
Descrizione sintetica in inglese	The researcher will have to perform scientific activities within the framework of SSD ING-IND/07, according to the relevant declaratory, with particular reference to the development of theoretical/numerical methods for the generation of digital twins of interest in Aerospace Propulsion. This task can be performed with surrogate models of reduced order also obtained by means of Machine Learning techniques that exploit the assimilation of data also integrated with prior physical knowledge. In addition, robust design of digital models requires quantification of uncertainty that can ensure accurate estimation of the degree of reliability of both medium-fidelity models and the digital twins derived from them. For the above said, possessing expertise on nonlinear regression approaches, such as Gaussian Process Regression, Polynomial Chaos Expansion, Neural Network, and Convolutional NNs, will be considered preferential element of evaluation
Descrizione del bando in italiano	procedura selettiva, per titoli e colloquio, per n. 1 ricercatore con rapporto di lavoro a tempo determinato di tipologia A, per lo svolgimento di attività di ricerca, di didattica, di didattica integrativa e di servizio agli studenti, in attuazione del programma PNRR per maggiori dettagli e informazioni scaricare il bando link https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/198943
Descrizione del bando in inglese	selection by titles and interview for a position as researcher and assistant professor no tenure-track in the field of PNRR plan in order to get more information, please download the announcement at link https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/198943
Numero posti	1
Campo principale della ricerca	Engineering
Sottocampo della ricerca	Aerospace engineering
Settore Concorsuale	09/A1 - INGEGNERIA AERONAUTICA, AEROSPAZIALE E NAVALE
S.S.D	ING-IND/07 - PROPULSIONE AEROSPAZIALE
Destinatari del bando (of target group)	Experienced researcher or 4-10 yrs (Post-Doc)
Benefits (in italiano) (congedo parentale, giorni di vacanza, etc.)	congedo parentale, giorni di vacanza, etc
Benefits (in inglese) (parental leave, vacation days, etc.)	parental leave, vacation days, etc
Commenti/sito web per dettagli aggiuntivi sull'impiego (in italiano)	per maggiori dettagli e informazioni scaricare il bando link https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/198943
Commenti/sito web per dettagli aggiuntivi sull'impiego (in inglese)	in order to get more information, please download the announcement at link https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/198943
Data del bando	23/12/2022

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Full-time
Ore settimanali	40
Organizzazione/Ente	Dipartimento ingegneria meccanica e aerospaziale Sapienza Università di Roma
Paese (dove si svolgerà l'attività)	ITALY
Stato/Provincia	Lazio
Città	Roma
Codice postale	00184
Indirizzo	Via Eudossiana,18

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	Dipartimento ingegneria meccanica e aerospaziale Sapienza Università di Roma
Tipo	Academic
Facoltà/Dipartimento/Laboratorio di ricerca	Dipartimento di Ingegneria Meccanica e Aerospaziale
Paese	ITALY
Stato/Provincia	Lazio
Città	Roma
Codice postale	00184
Indirizzo	Via Eudossiana,18
E-mail	dima@cert.uniroma1.it
Sito web	https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/198943

 

Dettagli per la candidatura

Data prevedibile per l'assunzione	08/03/2023
Data di scadenza del bando	07/01/2023 - alle ore 23:59
Come candidarsi	dima@cert.uniroma1.it

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Engineering

 

Esperienze di ricerca richieste

Campo principale della ricerca	Engineering
Sottocampo della ricerca	Aerospace engineering
Anni di esperienza richiesti	2

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Good
Lingua	FRENCH
Livello di conoscenza della lingua	Good

 

Requisiti aggiuntivi

Competenze richieste in italiano	Metodi per la generazione di modelli surrogati di ordine ridotto inerenti il SSD ING IND/07 anche ottenuti per mezzo di tecniche di Machine Learning; Competenze sugli approcci di regressione non-lineare, come Gaussian Process Regression (GPR), Polynomial Chaos Expansion (PCE), Neural Networks (NNs) e Convolutional NNs
Competenze richieste in inglese	Methods for the generation of reduced-order surrogate models inherent in SSD ING IND/07 also obtained by means of Machine Learning techniques; Expertise on non-linear regression approaches, such as Gaussian Process Regression (GPR), Polynomial Chaos Expansion (PCE), Neural Networks (NNs) and Convolutional NNs
Requisiti specifici in italiano	Dottore di Ricerca in Ingegneria Aeronautica e Spaziale
Requisiti specifici in inglese	Good knowledge of italian language suitable for teaching PhD Aeronautical and space engineering