La previsione affidabile e l’ottimizzazione delle proprietà di trasferimento di calore e massa costituiscono passaggi essenziali per il trasferimento di materiali avanzati e componenti ingegnerizzati dai laboratori di ricerca alla produzione su larga scala. Ciò è particolarmente rilevante in diversi settori ad alto impatto, quali energia, aerospaziale, ingegneria dei materiali e biomedica. Questo corso di dottorato presenta tecniche avanzate di modellazione in grado di descrivere fenomeni di trasferimento di calore e massa su molteplici scale spaziali e temporali. In particolare, il corso evidenzia le potenzialità complementari della *dinamica molecolare (MD)* e del *Quantum Computing (QC)*, mostrando il loro contributo nel superare gli attuali limiti della modellazione multiscala. Da un lato, i principi della meccanica classica, tradizionalmente impiegati nell’analisi macroscopica, saranno estesi attraverso simulazioni di dinamica molecolare, consentendo una precisione atomica nella descrizione e comprensione dei fenomeni di trasferimento di calore e massa in materiali nanostrutturati avanzati. Saranno inoltre esaminati recenti sviluppi nell’integrazione di simulazioni MD con tecniche di apprendimento automatico, quali campi di forza basati su reti neurali, illustrando metodi computazionali avanzati che combinano precisione classica e quantistica mantenendo fattibile lo sforzo computazionale. Dall’altro lato, i principi della meccanica quantistica, tipicamente limitati alla scala microscopica, saranno sfruttati mediante tecnologie emergenti di QC, aprendo nuove prospettive per affrontare problemi ingegneristici alla scala macroscopica. Il QC potrebbe offrire un vantaggio trasformativo in termini di scalabilità computazionale: ad esempio, un processore quantistico con n qubit (attualmente fino a 1000 qubit) potrebbe teoricamente gestire 2^n valori di campo della mesh, superando di gran lunga i modelli classici più avanzati della fluidodinamica computazionale. I partecipanti analizzeranno come algoritmi quantistici, come il Variational Quantum Eigensolver (VQE), possano affrontare complessi problemi di diffusione termica, al di là delle capacità dei metodi classici, esaminando al contempo le attuali sfide pratiche per la realizzazione di questa visione. Durante il corso, le basi teoriche saranno consolidate attraverso simulazioni pratiche incentrate su casi studio realistici. Applicazioni moderne che coinvolgono colloidi, compositi avanzati, strutture nanoporose e superfici con bagnabilità gerarchica saranno utilizzate come esempi per illustrare capacità e limiti delle metodologie MD e QC. I partecipanti acquisiranno così una comprensione integrata e approfondita di come approcci innovativi di modellazione possano accelerare la progettazione e la commercializzazione di materiali e componenti ingegnerizzati di prossima generazione, collegando scale atomiche ad applicazioni industriali reali.

Fondamenti di termodinamica

* Introduzione alla modellazione multiscala del trasferimento di calore e massa (1 ora): Principi fondamentali del trasporto di energia tramite i principali vettori energetici: elettroni, fononi, particelle fluide, fotoni. Panoramica e classificazione dei metodi di modellazione multiscala per la connessione tra scale atomistiche e macroscopiche. Esempi applicativi della modellazione multiscala nei campi ingegneristici (energetica, aerospaziale, biomedico, materiali). * Teoria della dinamica molecolare (4 ore): Introduzione alla meccanica molecolare classica e ai fondamenti della termodinamica statistica. Potenziali di interazione: classici (es. Lennard-Jones, Coulombiani) e reattivi (es. ReaxFF, potenziali basati su reti neurali come MACE). Strategie computazionali nella dinamica molecolare: algoritmi per l’integrazione delle equazioni del moto, termostati, barostati e insiemi statistici. Tecniche avanzate di post-elaborazione: funzioni di distribuzione radiale, spostamento quadratico medio, calcolo del flusso termico e valutazione degli angoli di bagnabilità. Casi studio esemplificativi: nanocolloidi per applicazioni di raccolta dell’energia solare termica e teranostiche; nanocompositi per rinforzo strutturale nei settori aerospaziale, automobilistico e meccanico; materiali nanoporosi per accumulo termico, dissalazione e rilascio controllato di farmaci; interfacce solido-liquido nanostrutturate con bagnabilità regolabile. Integrazione dell'apprendimento automatico con tecniche di modellazione multiscala per migliorare l'efficienza e l'accuratezza computazionale. * Laboratorio pratico di dinamica molecolare (7 ore): Introduzione pratica all’ambiente software GROMACS/LAMMPS. Creazione della geometria e della topologia, procedure di minimizzazione energetica. Configurazione delle simulazioni e protocolli di equilibratura per sistemi alla nanoscala. Esecuzione di simulazioni MD in condizioni di equilibrio e non equilibrio. Post-elaborazione avanzata delle traiettorie MD. Calcolo delle proprietà di trasferimento termico su scala nanometrica (conduttività termica, flusso termico). Valutazione dei fenomeni di bagnabilità su superfici ingegnerizzate alla nanoscala. Studi comparativi mediante campi di forza classici e reattivi (basati su apprendimento automatico). * Teoria del Quantum Computing (5 ore): Fondamenti di meccanica quantistica: qubit, stati quantistici, sovrapposizione ed entanglement. Circuiti quantistici, porte quantistiche e operazioni fondamentali (Hadamard, CNOT, rotazioni di singolo qubit). Computing quantistico versus classico: potenziale vantaggio quantistico e limitazioni dell’era NISQ (noisy intermediate-scale quantum). Introduzione alla risoluzione di equazioni del trasferimento di calore (in particolare la conduzione termica) tramite Quantum Computing. Rappresentazione quantistica delle equazioni classiche di conduzione del calore. Esplorazione approfondita del Variational Quantum Eigensolver (VQE): normalizzazione dello stato quantistico, osservabili, struttura del circuito ansatz, ottimizzazione e denormalizzazione dello stato. Complessità computazionale e potenziali vantaggi quantistici. * Laboratorio pratico di Quantum Computing (3 ore): Implementazione pratica dell’algoritmo VQE tramite software di Quantum Computing (es. Qrisp). Costruzione ed esecuzione di circuiti quantistici per risolvere equazioni semplificate di conduzione termica: realizzazione del circuito, ottimizzazione dei parametri, misura degli stati quantistici; post-elaborazione e interpretazione dei risultati della simulazione quantistica, inclusa analisi degli errori e dell'incertezza; confronto della performance della soluzione quantistica rispetto a benchmark classici.

Modalità mista

Presentazione orale

P.D.1-1 - Febbraio

Le lezioni si terranno nel mese di febbraio 2026, sia online (con lezioni e laboratori registrati) sia in presenza. Il calendario dettagliato sarà definito entro gennaio 2026 e comunicato agli studenti via email.