Fabio Durastante

Sede ufficiale: LARGO BRUNO PONTECORVO, 5, 56127 PISA

Email: fabio.durastante@unipi.it

Telefono: 050 2213232

Sito web: https://fdurastante.github.io/

Profilo

Ruolo: Ricercatore a tempo determinato L.240/2010

Struttura: Dipartimento di Matematica

Settore scientifico-disciplinare: Analisi Numerica MATH-05/A



Didattica

Attività didattica

Incarichi di responsabilità didattica di moduli/insegnamenti

Incarichi di co-docenza in moduli/insegnamenti



Ricevimento

Modalità: Il ricevimento è disponibile sulla piattaforma online BBB oppure in presenza in ufficio. Inviare una mail all'indirizzo istituzionale per prenotarsi (disponibili anche altri orari).

Luogo: BBB: https://hausdorff.dm.unipi.it/b/fab-e7l-8ph-nwh Ufficio: Dipartimento di Matematica, Ufficio 107, piano terra.

Orario: Giovedì dalle 9.00 alle 10.45

Ricerca

Interessi di ricerca

I miei interessi di ricerca si concentrano sulla risoluzione numerica efficiente di sistemi lineari estremamente grandi e sparsi—matrici talmente vaste da contenere miliardi o addirittura trilioni di incognite, ma sufficientemente “vuote” da poter beneficiare di algoritmi iterativi specializzati. Sviluppo e analizzo metodi di sottospazio di Krylov insieme a precondizionatori multigriglia algebrici e geometrici che si adattano in modo dinamico a sequenze di problemi correlati, garantendo una convergenza robusta su scale prima inimmaginabili. Traducendo questi progressi in pratica, ho progettato toolkit software ad alte prestazioni che sfruttano il parallelismo di CPU e GPU—dimostrando, ad esempio, come strategie di coarsening di ultima generazione e smoothers polinomiali possano accelerare codici di fluidodinamica industriale sui supercomputer più potenti al mondo.
Oltre ai sistemi lineari classici, indago le funzioni di matrice e le tecniche di Krylov razionale, che permettono una valutazione rapida di potenze frazionarie, esponenziali e altre trasformazioni di matrici di grandi dimensioni. Approfittando di correzioni a rango ridotto per aggiornare fattorizzazioni già calcolate, questi metodi aprono nuove prospettive nelle simulazioni dipendenti dal tempo, nelle applicazioni di controllo e nella dinamica delle reti. Parallelamente, esploro il trattamento numerico delle equazioni differenziali frazionarie—modellando processi non locali e con memoria—progettando discretizzazioni adattative per derivate di tipo Caputo, approssimazioni “a breve memoria” e precondizionatori dedicati che mantengono le simulazioni di diffusione anomala e propagazione d’onda sia accurate sia computazionalmente sostenibili.
I miei interessi abbracciano anche approcci teorico-matriciali alle reti complesse e il controllo ottimo di equazioni alle derivate parziali. Ho introdotto misure di centralità basate su cammini, fondate sulle funzioni di Mittag-Leffler, per cogliere pattern di connettività più sottili, e ho studiato la diffusione non locale sui grafi tramite laplaciani frazionari di ordine variabile. Nel campo dell’ottimizzazione vincolata da PDE, analizzo la struttura spettrale dei sistemi a partizione di sella e sviluppo schemi “optimize-then-discretize”—che combinano solver quasi-Newton come L-BFGS con precondizionatori su misura—per affrontare problemi inversi e sfide progettuali in ingegneria. In tutte queste attività, privilegio codice pulito e modulare—scritto in Fortran, C, Python e MATLAB—e sfrutto MPI, OpenMP e CUDA affinché teoria, software e applicazioni reali si integrino perfettamente alle scale exascale.
 

Pubblicazioni