Progettazione computazionale e ottimizzazione di sistemi marini
Sviluppo e applicazione di metodologie computazionali per la progettazione e l'ottimizzazione di forme e sistemi marini. Le attività comprendono la parametrizzazione geometrica, l'integrazione tra modelli numerici e algoritmi di ottimizzazione e l'esplorazione automatizzata di configurazioni progettuali, con applicazioni a carene, appendici e veicoli marini.
Design-space learning e riduzione della dimensionalità
Studio di metodi per identificare rappresentazioni compatte e informative di spazi di progetto ad alta dimensionalità. L'attività riguarda in particolare l'estrazione di coordinate latenti associate alle variazioni geometriche e fisiche e il loro utilizzo per rendere più efficienti l'esplorazione e l'ottimizzazione delle forme.
Modellazione surrogata e multi-fedeltà
Sviluppo di modelli efficienti per combinare informazioni provenienti da simulazioni a diverso costo e livello di accuratezza. I metodi surrogati e multi-fedeltà sono utilizzati per ridurre il costo computazionale di analisi, esplorazione dello spazio di progetto, quantificazione dell'incertezza e ottimizzazione.
Metodi data-driven e machine learning per la progettazione ingegneristica
Applicazione e sviluppo di metodi di machine learning per supportare l'analisi e il progetto di sistemi complessi, con particolare attenzione a rappresentazioni physics-aware, riduzione dimensionale, modellazione di sistemi dinamici e integrazione tra dati e modelli fisici.
Ottimizzazione robusta e in presenza di incertezza
Studio di metodologie di progettazione che tengano conto della variabilità delle condizioni operative, ambientali e dei modelli numerici. L'obiettivo è identificare soluzioni efficienti e robuste rispetto alle condizioni realistiche di funzionamento dei sistemi ingegneristici.
