ingleseENG
Direttore Vicario: Prof. Gabriele Grillo
Responsabile Gestionale: Dr.ssa Franca Di Censo


PRIVACY E SICUREZZA

Per comunicazioni o chiarimenti contattare: Salute e Sicurezza dip. Matematica

IN CASO DI EMERGENZA

  • in presenza di una situazione di pericolo valutare sommariamente la natura e le dimensioni dell'evento, intervenire per ripristinare la normalità solo nel caso di situazioni controllabili, e se in possesso di una adeguata formazione;
  • in presenza di una situazione di pericolo che possa rapidamente degenerare (principio di incendio, rischio di crollo o allagamento, rischio elettrico o altro), contattare immediatamente il numero esposto nelle planimetrie di emergenza e procedere come indicato in seguito;
  • nel caso la comunicazione con il numero di emergenza richiedesse troppo tempo, azionare immediatamente il sistema di allarme agendo sul pulsante di emergenza

 

IN CASO DI EVACUAZIONE

  • a seguito del segnale di evacuazione (sirena) oppure nei casi gravi, al verificarsi dell’emergenza, senza, cioè, attendere segnale alcuno, bisogna
    • interrompere l’attività in corso (lezione, esercitazione, esame, colloquio, ricerca) e uscire dal locale in cui ci si trova invitando ad uscire anche gli altri eventuali soggetti presenti nonché chi occupa locali vicini e/o adiacenti;
    • seguire i percorsi e raggiungere le uscite di emergenza coerentemente con la cartellonistica esposta;
    • informare gli addetti presenti al punto di raccolta, individuabili dal giubbino di emergenza, dell’avvenuta evacuazione, di eventuali criticità verificatesi e rimanere a loro disposizione;
  • si ricorda che durante l’evacuazione i piani superiori hanno la precedenza, quindi, giunti alle scale (gli ascensori non possono essere utilizzati), si dovrà attendere fino a che queste non risulteranno sgombre;
  • in ogni caso, sia durante l’evacuazione sia dopo avere raggiunto il punto di raccolta, seguire le indicazioni degli addetti.

 Dicono di noi...

Prossimi Eventi

  • ott 29 gio 2020

    MOX Colloquia
    Jan S. Hesthaven, Nonintrusive reduced order models using physics informed neural networks,  29-10-2020, ore 14:00 precise
    logo matematica
    MOX
    MOX Numeth

    • MOX Colloquia
    • Jan S. Hesthaven
    • Chair of Computational Mathematics and Simulation Science, EPFL, Lausanne, CH
    • Nonintrusive reduced order models using physics informed neural networks
    • Giovedì 29 ottobre 2020 alle ore 14:00 precise
    • Online seminar: https://mox.polimi.it/elenco-seminari/?id_evento=1979&t=763724
    • Abstract
      The development of reduced order models for complex applications, offering the promise for rapid and accurate evaluation of the output of complex models under parameterized variation, remains a very active research area. Applications are found in problems which require many evaluations, sampled over a potentially large parameter space, such as in optimization, control, uncertainty quantification, and in applications where a near real-time response is needed. However, many challenges remain unresolved to secure the flexibility, robustness, and efficiency needed for general large-scale applications, in particular for nonlinear and/or time-dependent problems.

      After giving a brief general introduction to projection based reduced order models, we discuss the use of artificial feedforward neural networks to enable the development of fast and accurate nonintrusive models for complex problems. We demonstrate that this approach offers substantial flexibility and robustness for general nonlinear problems and enables the development of fast reduced order models for complex applications.

      In the second part of the talk, we discuss how to use residual based neural networks in which knowledge of the governing equations is built into the network and show that this has advantages both for training and for the overall accuracy of the model.

      Time permitting, we finally discuss the use of reduced order models in the context of prediction, i.e. to estimate solutions in regions of the parameter beyond that of the initial training. With an emphasis on the Mori-Zwansig formulation for time-dependent problems, we discuss how to accurately account for the effect of the unresolved and truncated scales on the long term dynamics and show that accounting for these through a memory term significantly improves the predictive accuracy of the reduced order model.

      Contatto: alfio.quarteroni@polimi.it
    • Jan S. Hesthaven
      After receiving his PhD in 1995 from the Technical University of Denmark, Professor Hesthaven joined Brown University, USA where he became Professor of Applied Mathematics in 2005. In 2013 he joined EPFL as Chair of Computational Mathematics and Simulation Science and since 2017 as Dean of the School of Basic Sciences. His research interests focus on the development, analysis, and application of high-order accurate methods for the solution of complex time-dependent problems, often requiring high-performance computing. A particular focus of his research has been on the development of computational methods for problems of linear and non-linear wave problems and the development of reduced basis methods, recently with an emphasis on combining traditional methods with machine learning and neural networks with broad applications, including structural health monitoring.

      He has received several awards for both his research and his teaching, and has published 4 monographs and more than 160 research papers. He is on the editorial board of 8 journals and serves as Editor-in-Chief of SIAM J. Scientific Computing.

      Homepage - https://www.epfl.ch/labs/mcss/
    • Politecnico di Milano, Dipartimento di Matematica edificio 14, via Giuseppe Ponzio 31/P, 20133 Milano - Telefono: +39 02 2399 4505 - Fax: +39 02 2399 4568

Didattica Innovativa

Convegni
Seminari
Corsi

Corso di studi
in
Ingegneria Matematica

Dottorato di Ricerca
Modelli e Metodi Matematici
per l'Ingegneria

Dottorato di Ricerca
DADS (Data Analytics and Decision Sciences)

AIM Associazione degli Ingegneri Matematici
AIM
Associazione degli
Ingegneri Matematici