Coordinatore
Prof. Luca Heltai
e-mail: luca.heltai@unipi.it
Sede amministrativa
Dipartimento di Matematica
Descrizione e obiettivi del corso
Il programma di dottorato in “High Performance Scientific Computing” (HPSC) è stato progettato con l’obiettivo di formare una nuova generazione di ricercatori altamente qualificati nell’ambito del calcolo scientifico ad alte prestazioni e delle sue applicazioni multidisciplinari. Si tratta di un corso industriale, interdisciplinare e interdipartimentale, realizzato in convenzione tra l’Università di Pisa e l’azienda S.I.T. – Sordina IORT Technologies S.p.A.
Il programma di dottorato HPSC promuove lo sviluppo di metodi computazionali innovativi in vari ambiti scientifici e applicativi, utilizzando l’High-Performance Computing (HPC) per costruire soluzioni innovative e risolvere problemi complessi in matematica, informatica, ingegneria, fisica, scienze della terra e del clima, chimica e scienze della vita e della salute. Grazie alla collaborazione multisettoriale tra Dipartimenti differenti e con l’azienda partner, il programma forma una nuova generazione di ricercatori in grado di espandere i confini della ricerca multidisciplinare, guidando l’innovazione tecnologica ad affrontare le sfide del mondo reale tramite il calcolo ad alte prestazioni.
HPSC incoraggia fortemente la realizzazione di progetti di ricerca interdisciplinari, che coinvolgono più Dipartimenti, centrati sull’applicazione dell’High-Performance Computing (HPC) per affrontare sfide complesse e trasversali. Ogni dottorando sarà guidato nello sviluppo di competenze avanzate e specifiche in HPC, comprendendo algoritmi, software, e tecniche di Intelligenza Artificiale applicabili a diversi contesti. Inoltre, ai dottorandi sarà data la possibilità di lavorare su un progetto applicativo concreto, scelto tra temi strategici come la modellazione del clima, la ricerca biomedica e le tecnologie per città intelligenti, per massimizzare l’impatto dei risultati in ambiti di grande rilevanza scientifica e sociale.
Il programma HPSC prevede:
- Un’offerta didattica articolata su corsi fondazionali, metodologici e tematici, sviluppata in collaborazione tra i dipartimenti coinvolti;
- La partecipazione a progetti di ricerca interdisciplinari e industriali;
- L’inserimento in reti internazionali e la promozione della mobilità all’estero;
- Lo sviluppo di prodotti ad alto impatto come software open-source, algoritmi avanzati, brevetti e soluzioni innovative per la ricerca e l’industria.
Particolare enfasi è posta sull’uso responsabile ed efficiente delle risorse computazionali, promuovendo pratiche sostenibili nel campo del calcolo scientifico. Il percorso formativo affronta anche le problematiche legate al consumo energetico dei sistemi HPC e all’impatto ambientale delle grandi infrastrutture di calcolo, incoraggiando l’adozione di soluzioni tecniche e algoritmiche volte alla riduzione dell’impronta ecologica. Inoltre, l’integrazione dell’Intelligenza Artificiale è trattata in un’ottica critica e consapevole, con l’obiettivo di sviluppare approcci trasparenti, efficienti e sostenibili.
A conferma dell’elevata rilevanza scientifica e strategica del progetto formativo HPSC, si evidenzia che il Dipartimento di Matematica dell’Università di Pisa è stato selezionato come uno dei Centri di Eccellenza europei nell’ambito dell’iniziativa EuroHPC JU (European High Performance Computing Joint Undertaking). Questo riconoscimento formale conferma la leadership internazionale dell’Ateneo nel campo dell’HPC e consolida ulteriormente il valore e l’impatto del dottorato HPSC all’interno del panorama europeo della ricerca avanzata.
Il corso HPSC si propone di fornire ai dottorandi una solida preparazione teorica e tecnica nell’ambito del calcolo scientifico, con particolare riferimento all’uso di infrastrutture ad alte prestazioni per la risoluzione di problemi complessi nei più svariati settori scientifici.
Matematica Computazionale e Sviluppo di Algoritmi: Focus sulla creazione di modelli matematici avanzati e algoritmi ottimizzati per ambienti HPC. Questo include metodi numerici per il calcolo parallelo, tecniche di ottimizzazione e metodi di simulazione applicabili in vari campi di studio, sfruttando l’esperienza dei dipartimenti di Matematica e Informatica in algebra lineare numerica, metodi degli elementi finiti, modelli ridotti, ottimizzazione, etc.
Software e Sistemi per HPC: Sviluppo di sistemi software HPC scalabili, efficienti e robusti. La ricerca in questo settore coinvolge il miglioramento dell’architettura dei supercomputer, del calcolo parallelo e dei sistemi operativi per aumentare l’efficienza computazionale e la sostenibilità energetica, sfruttando le competenze del dipartimento di Informatica.
Data Science e Big Data Analytics: Sviluppo di nuove soluzioni e nuovi metodi HPC per gestire, elaborare e analizzare grandi dataset nella ricerca scientifica. Questo include lo sviluppo di nuovi algoritmi paralleli per l’apprendimento automatico, metodi statistici e visualizzazione dei dati per estrarre informazioni da dati complessi in vari domini.
Simulazioni Ingegneristiche: Applicazione dell’HPC nella risoluzione di problemi ingegneristici complessi, inclusi a puro titolo di esempio la dinamica dei fluidi, l’ottimizzazione di reti e dispositivi energetici, la scienza dei materiali, l’analisi strutturale, e l’ingegneria biomedica. Questo tema incoraggia lo sviluppo di nuove metodologie di simulazione che possono portare a innovazioni in tecnologie biomedicali, aerospaziali, ingegneria civile ed energetiche.
Fisica e Calcolo Quantistico: Utilizzo di sistemi di calcolo HPC e sistemi di calcolo distribuiti per l’analisi di larghe moli di dati (exa-bytes) in fisica sperimentale e osservativa. Sviluppo di acceleratori di calcolo in sistemi eterogenei basati sia su GPU che FPGA e loro applicazione in contesti real-time. Sviluppo di tecniche di AI/ML per simulazione e analisi dati in fisica. Utilizzo di infrastrutture HPC (CPU e/o GPU) e sviluppo di algoritmi paralleli per la simulazione di sistemi di interesse fisico (ad esempio Lattice QCD, dinamica dei fluidi e plasmi). Sviluppo di algoritmi di Quantum Computing e studio dell’interfaccia tra HPC e QC.
Chimica e modellistica molecolare: Esplorazione della modellistica molecolare sia all’interno di descrizioni classiche che quantistiche o multiscala e delle sue applicazioni nel calcolo HPC. Uso di metodi di machine learning per potenziare metodi classici e quantistici nella modellistica di proprietà e processi molecolari di sistemi complessi. Questi temi mirano a promuovere l’applicazione del calcolo HPC per la ricerca in chimica e nello studio dei materiali.
Scienze della Terra: Simulazione, elaborazione ed inversione probabilistica di dati geofisici 2D, 3D e 4D, con anche utilizzo di tecniche di AI; HPC per interferometria satellitare SAR: algoritmi paralleli per l’elaborazione dati SAR, metodi multi-temporali e modellazione real-world physics; Simulazioni numeriche per lo studio dei cambiamenti climatici, utilizzando sia dati misurati che proxy climatici; Modellazione matematica dei sistemi acquiferi per la sostenibilità idrica; Modellazione della propagazione e/o accumulo di magma e di fluidi magmatici nel sottosuolo finalizzata alla mitigazione del rischio vulcanico; Simulazione geodinamiche per lo studio dell’evoluzione della litosfera su scale temporali lunghe.
Scienze della vita e della salute: Utilizzo di metodi HPC per gestire, elaborare e analizzare dataset di interesse biologico e farmacologico. Possibili tematiche saranno: Simulazioni in cinetica molecolare di interazioni proteina-proteina, tools di modellistica per cell-functioning, cell-signalling e gene-enrichment, identificazione di biomarcatori di patologia tramite tools predittivi. Supporto di metodi HPC per il drug design e il drug discovery grazie allo sviluppo di modelli molecolari predittivi volti all’identificazione di nuovi potenziali farmaci. Inoltre strumenti in silico saranno applicati per disegnare trial clinici e per la valutazione dei risultati ottenuti.
Fisica medica: Sviluppo di strumenti computazionali avanzati per ottimizzare e migliorare tecnologie diagnostiche e terapeutiche. Possibili temi di ricerca includono la radioterapia, con un focus sulla radioterapia Flash e sulla modellizzazione radiobiologica multiscala, problemi di imaging medico e dosimetria delle radiazioni. L’attività di ricerca include la simulazione Monte Carlo del trasporto dei fasci, la modellizzazione della risposta biologica ai trattamenti e l’impiego di tecniche di intelligenza artificiale per la previsione degli effetti terapeutici e l’ottimizzazione dei protocolli di somministrazione. L’integrazione di metodi numerici e apprendimento automatico permette di migliorare la pianificazione terapeutica e la comprensione dei meccanismi alla base dell’efficacia della radioterapia avanzata.
Aree scientifico-disciplinari
Computational Mathematics and Algorithm Development
HPC Software and Systems
Data Science and Big Data Analytics
Computational Engineering
Physics and Quantum Computing
Chemistry and Molecular Modelling
Earth Sciences
Life and Health Sciences
Medical Physics
Sito web
https://www.dm.unipi.it/phd-hpsc/
Consulta il bando di dottorato 2025/2026 – Scadenza 18 luglio 2025
