| KEYWORD |
Inferenza epidemica in metapopolazioni
Parole chiave EPIDEMIE, FISICA STATISTICA, RETI COMPLESSE, SISTEMI COMPLESSI
Riferimenti LUCA DALL'ASTA
Gruppi di ricerca AA - Statistical Physics and Interdisciplinary Applications
Descrizione Le recente pandemia COVID19 ha mostrato l'importanza di un'efficace piano di contrasto alla diffusione epidemica, sviluppato mediante metodi di prevenzione, sorveglianza e contenimento. L'epidemiologia computazionale permette di combinare la modellizzazione matematica della diffusione epidemica alla crescente disponibilità di dati sulla mobilità umana al fine di sviluppare modelli ad agenti che forniscano scenari predittivi in tempo reale, utili alla valutazione del rischio epidemico su diverse scale spaziali e temporali. In questo contesto, l'utilizzo di tecniche di inferenza bayesiana è fondamentale per una corretta integrazione dei dati epidemici eni modelli computazionali. La tesi si propone lo sviluppo di metodi algoritmici efficienti per l'inferenza epidemica in metapopolazioni (cioè reti i cui nodi rappresentano popolazioni di individui), generalizzando tecniche distribuite recentemente introdotte per le reti di contatto e basate su metodi di campo medio e reti neurali.
Conoscenze richieste Si richiede una buona preparazione fisico-matematica, in particolare per quanto riguarda metodi della fisica statistica e dei processi stocastici, e buona familiarità con la programmazione (Julia/Python).
Scadenza validita proposta 02/02/2024
PROPONI LA TUA CANDIDATURA