La genesi dei modelli: teoria, simulazioni e dati
La genesi dei modelli: teoria, simulazioni e dati
Nella pratica reale della ricerca scientifica si lavora, di fatto, sempre con "modelli", termine che può essere inteso in modi anche molto diversi tra loro.
La meccanica classica e la meccanica quantistica, ad esempio, possono essere viste come modelli (in quanto buone approssimazioni di teorie ancora più generali); ma in questi casi siamo di fronte a descrizioni molto raffinate, e possiamo considerarle alla stregua di principi primi. Più problematici sono i modelli che non nascono da semplici approssimazioni di teorie ben formalizzate. La situazione è particolarmente interessante e delicata se si esce dall’ambito fisico, ad esempio in biologia e nelle scienze sociali: in questi casi la costruzione di modelli quasi inevitabilmente poggia su analogie con la fisica (un esempio di questo modo di procedere è il sistema di Lotka-Volterra per la dinamica di ecosistemi), oppure su estremizzazioni di procedure standard di approssimazione, come il modello di Lorenz per i sistemi caotici. Lo sviluppo di potenti tecniche numeriche e, recentemente, di metodi basati sull’intelligenza artificiale (come il machine learning), assieme all’utilizzo dei Big Data, ha rivitalizzato il problema della costruzione di modelli, ponendo nuove interessanti sfide.
Lo scopo di questo incontro è una presentazione, attraverso le relazioni di esperti di diverse discipline – dalla Materia Condensata, alla Matematica Applicata, dalla Geofisica alla Filosofia della Scienza – dei diversi aspetti, sia tecnici che concettuali, che riguardano la costruzione e l’uso di modelli.
Cliccando sui titoli sottolineati è possibile visualizzare le relative presentazioni.
Relatori invitati:
A. Baldassarri
E. Caglioti
L. De Arcangelis
M. Dorato
H. Hosni
Modelli e previsioni: un punto di vista logico
P. Marcati
Crescita e sviluppo delle piante, fare modelli con dati “deboli” senza un pensiero forte
A. Pagnani
Modelli di coevoluzione: dalla struttura delle proteine alla progettazione razionale di farmaci
G. Parisi
Considerazioni conclusive
A. Provenzale
R. Zecchina
La natura di non-equilibrio dei processi di (machine) learning
Comitato Organizzatore:
A. Puglisi (ISC-CNR, Roma)
M. Pulvirenti (Accademia dei Lincei e Sapienza, Roma)
A. Vulpiani (Sapienza, Roma)
M. Baldovin (Sapienza, Roma) -- segretario scientifico
Per contattare il comitato organizzatore: modelli.lincei2019@gmail.com
Si ringraziano: