Descrizione posizione

Titolo del progetto di ricerca in italiano	Rif. 6552 - All. 34 - Un approccio fisico matematico per l’efficienza energetica nell’apprendimento automatico classico e quantistico
Titolo del progetto di ricerca in inglese	Rif. 6552 - All. 34 - A mathematical-physics approach to improve energy efficiency in classical and quantum machine learning
Descrizione sintetica in italiano	Un rapporto della McKinsey stima che entro il 2030 il consumo di energia dovuto alle tecnologie AI sarà più della metà dell’ energia totale disponibile. Tale scenario necessita una revisione delle procedure tecnologiche. Questa è possibile attraverso una comprensione dei meccanismi di apprendimento delle reti neurali. E’ possibile ridurre la taglia di queste macchine, eliminando la loro enorme ridondanza, e ottenere un consumo energetico sostenibile? La risposta richiede una conoscenza dettagliata dei principi di base su cui esse funzionano che ad oggi manca. L’ approccio Meccanico Statistico allo studio delle Macchine di Boltzmann, una rappresentazione fisico-matematica delle reti neurali, rappresenta una delle direzioni di ricerca più promettenti. Ridurre la complessità del software di apprendimento automatico, e di conseguenza il loro consumo di energia [...].
Descrizione sintetica in inglese	The 2019 report of McKinsey on AI estimates that by 2030 the energy consumption of machine learning technology will exceed half of the total energy available. Such unsustainable scenario makes it urgent a thorough revision of the technological methods. This can be done only through a deep understanding of the mechanisms at the basis of learning in neural networks. Just to mention some specific issues: is it possible to reduce the size of those machines, eliminate their redundancy, and cut their energy consumption? The answer requires a paramount detailed knowledge on the principles those machines work on, nowadays still largely lacking. The statistical mechanics approach to the Boltzmann Machines,a mathematical-physics representation of neuralnetworks, represents one of the major and most promising paths toward their clarification. Reducing the computational complexity of machine learning [...].
Numero posti	1
Settore Concorsuale	01/A4 - FISICA MATEMATICA
S.S.D	MAT/07 - FISICA MATEMATICA
Destinatari del bando (of target group)	Experienced researcher or 4-10 yrs (Post-Doc)
Data del bando	11/10/2021

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Other
Organizzazione/Ente	ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA
Paese (dove si svolgerà l'attività)	ITALY
Città	Bologna

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA
Tipo	Academic
Facoltà/Dipartimento/Laboratorio di ricerca	DIPARTIMENTO DI MATEMATICA - MAT
Paese	ITALY
Città	BOLOGNA
E-mail	apos.ricercatoritempodeterminato@unibo.it
Sito web	https://bandi.unibo.it/docenti/rtd

 

Dettagli per la candidatura

Data di scadenza del bando	03/11/2021
Come candidarsi	https://personale.unibo.it

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Mathematics

 

Esperienze di ricerca richieste

Campo principale della ricerca	Mathematics
Sottocampo della ricerca
Anni di esperienza richiesti	3

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Good