1 Posizione Post-Doc, Modellazione idrologica, Università Ca' Foscari Venezia
Enrico Bertuzzo
Gentili Colleghi,
vi scrivo per pubblicizzare, e per sondare possibili candidati interessati, un bando che verrà aperto a breve per una posizione di incarico post-doc (dettagli qui sotto). Contattatemi per qualsiasi informazione o per manifestare il vostro interesse.
Abstract: Il progetto SLIMM mira a sviluppare e testare
soluzioni basate sull’intelligenza artificiale, machine learning
(ML) e statistica avanzata per la gestione sostenibile e
resiliente delle smart cities venete, con particolare attenzione
alle zone montane. Il progetto svilupperà strumenti operativi
che consentono di snellire (SLIMM) e ottimizzare le esigenze di
monitoraggio e modellazione ambientale di enti locali, aziende,
società di consulenza e studi di progettazione. Attraverso la
raccolta e l’integrazione di dati ambientali, energetici e
territoriali provenienti da sensori, reti di monitoraggio,
banche dati pubbliche, SLIMM intende sviluppare, validare e
dimostrare, in stretta collaborazione con le imprese
sostenitrici, soluzioni intelligenti per:
-ottimizzare la gestione energetica degli edifici;
-ottimizzare il monitoraggio della qualità dell’aria, la
modellazione spaziale degli inquinanti atmosferici, stimare gli
impatti sulla salute pubblica;
-identificare marker chimici o loro prodotti di trasformazione
che permettano di individuare e quantificare il contributo delle
attività produttive alla contaminazione ambientale;
-potenziare la previsione e prevenzione del rischio idrologico.
I risultati ottenuti, in sinergia con la formazione prevista,
permetterà di migliorare lo sviluppo tecnologico e digitale
delle imprese sostenitrici, e potenzialmente di altre imprese
venete che intendono sviluppare tecnologie simili e che saranno
coinvolte attraverso dedicati eventi di divulgazione.
Incarico Post-doc focalizzato sul punto 4: potenziare la previsione e prevenzione del rischio idrologico: Obiettivi: Sviluppo di modelli di previsione delle piene basati su dati pubblici (ARPAV, Copernicus) con l’uso di machine learning che implementano leggi fisiche (PINN: Physically Informed Neural Networks) o modelli surrogati (semplificazione di modelli complessi attraverso l’uso dell’intelligenza artificiale). Non è richiesto un background in machine learning. Questo aspetto verrà sviluppato con la supervisione mia e di un collega esperto in materia (Prof. Gabriele Santin). E' utile un background in modellista e idrologia. Il progetto è di natura applicativa e sarà sviluppato in collaborazione con uno studio di ingegneria.
Data Inizio: Giugno 2026