Procedura selettiva, per titoli e colloquio, per l’attribuzione di n. 1 incarico post-doc ai sensi dell'art. 22-bis…

Le Extreme Learning Machines (ELM) sono reti neurali feed-forward a singolo layer nascosto con accoppiamenti casuali, il cui addestramento si riduce a una regressione lineare, con conseguente risparmio di tempi e risorse rispetto alle reti tradizionali. Le loro controparti quantistiche (QELM) sfruttano un reservoir quantistico per creare rappresentazioni complesse di dati classici, offrendo prestazioni predittive economiche e robuste al rumore. Il “Quantum Theory Group” di UNIPA ha dimostrato i vantaggi delle QELM per la validazione e certificazione delle proprietà di sistemi quantistici senza ricostruzione tomografica. Lo sviluppo di algoritmi basati su questo paradigma trova applicazione nello studio, caratterizzazione e ottimizzazione di processi complessi, quantistici e classici, implementati su macchine operanti nel cosiddetto regime NISQ (“noisy intermediate-scale quantum”), nonché nella caratterizzazione dell'energetica di sistemi biochimici simulati su computer quantistici di media scala e nell'ottimizzazione di network complessi per comunicazione e logistica. Il programma di ricerca punterà all’analisi puntuale del costo termodinamico associato al paradigma QELM con lo scopo di determinarne la sostenibilità energetica. Il programma di ricerca farà largo uso delle tecniche di termodinamica dell’informazione quantistica di cui il Quantum Theory Group di UNIPA è pioniere.