PERUGIA – E’ in programma dal 26 al 30 ottobre 2020, la Scuola Internazionale “Multiscale, Machine Learning and QSAR methods Applied to Biomolecules” organizzata dal Dipartimento di Chimica, Biologia e Biotecnologie dell’Ateneo di Perugia (DCBB), in particolare dalla dottoressa Noelia Faginas-Lago e dal dottor Andrea Lombardi (nella foto di copertina) in collaborazione con l’ Ufficio per l’Innovazione Didattica e Laboratorio E-learning, che afferisce alla Ripartizione Didattica dell’Università di Perugia. E’ dedicata alle applicazioni Chimiche del Machine Learning e si svolgerà a Perugia, nell’Aula 1 del Dipartimento di Chimica, Biologia e Biotecnologie, in modalità mista; il programma è disponibile all’indirizzo internet https://www.master-up.it/ml.php
La scuola è parte del curriculum internazionale “Theoretical Chemistry and Computational Modelling” (TCCM) erogato dal Dipartimento di Chimica, Biologia e Biotecnologie e gestito da un consorzio di otto Università europee, tra le quali l’ Ateneo di Perugia; ha ottenuto negli anni precedenti il riconoscimento europeo, con relativo finanziamento, di Erasmus Mundus Joint Master Degree.
Gli studenti dell’Università degli Studi di Perugia ammessi a questo programma ottengono una borsa di studio dell’Unione Europea, che copre le spese di soggiorno presso l’Università da loro scelta tra quelle consorziate, ovvero l’Università Autonoma di Madrid (con ruolo di coordinazione), Università Paul Sabatier di Tolosa, Università di Barcelona, Università di Leuven, Università di Groningen, la Sorbona di Parigi, Università di Trieste e Università di Valencia.
Il Referente Dipartimentale DCBB per l’Euro Master-TCCM è Noelia Faginas-Lago.
*****
L’apprendimento automatico (Machine Learning) si propone di sviluppare metodi che permettano ai computer di apprendere come eseguire un compito complesso a partire da dati esistenti, purché disponibili in quantità sufficientemente grande. Il computer processa un gran numero di dati, tipicamente sotto forma di possibili risposte ad una classe di problemi complessi (ad esempio il “riconoscimento”), accumulando schemi, ricorrenze, e assimilandole secondo un approccio spesso basato sulle cosiddette “reti neurali”. Alla fine del lungo processo di apprendimento, sarà pronto a fornire risposte. Il tutto non è dissimile dal modo in cui un bambino apprende a svolgere compiti sempre più complessi e ad anticipare risposte per mezzo di un’incessante raccolta di dati sul suo ambiente, attraverso i sensi.
I chimici sperimentali e teorici dei nostri giorni, sono ormai in grado di generare grandi moli di dati, che lo sviluppo delle reti permette di condividere con facilità, e che possono oggi essere usati per l’apprendimento automatico finalizzato allo studio dei sistemi chimici più complessi. La scuola in Programma a Perugia, è dedicata alle applicazioni Chimiche del Machine Learning.
