Corsi 2025

La turbolenza è uno dei problemi irrisolti della fisica classica. È onnipresente in natura e nella tecnologia, e molti dei problemi sociali odierni sono profondamente connessi con la turbolenza, dal flusso oceanico e dalla miscelazione nell'oceano, allo scioglimento dei ghiacciai, all'inquinamento nell'atmosfera o nell'oceano, al clima, alla lavorazione dei fluidi nell'industria, al trasporto nei tubi, ecc. La turbolenza è stata affrontata da vari punti di vista, ovvero dalla fisica statistica e teorica, dall'ingegneria meccanica o chimica, dal punto di vista della matematica applicata, e dal punto di vista del praticante, che lavora in oceanografia o geofisica. Tutti questi approcci hanno la loro giustificazione e i loro punti di forza, ma anche le loro limitazioni.
Tornando a Kolmogorov, c'è stato il paradigma nella comunità della turbolenza più fondamentale di uno stato universale di turbolenza omogenea isotropica. Negli ultimi 15 anni circa è diventato sempre più chiaro che non è così e che possono esserci diversi stati di turbolenza, con transizioni tra questi stati. Le transizioni tra i diversi stati sono normalmente di natura subcritica, proprio come la transizione dal flusso laminare in tubi o canali al flusso turbolento in tubi o canali. Qui, l'origine della natura subcritica è la nonnormalità dell'operatore, combinata con la non linearità dell'equazione di Navier-Stokes. La nonnormalità è intimamente legata allo shear locale del flusso. Tutto ciò vale anche per il flusso turbolento, dove localmente si ha anche un forte shear.
Un esempio di transizione tra diversi stati turbolenti è la transizione tra la turbolenza classica di Rayleigh-Bénard e la turbolenza ultima di Rayleigh-Bénard. La transizione porta a un notevole aumento del trasporto di calore. Vedere questa transizione nel contesto nonnormale-nonlineare ha risolto varie controversie nel campo e ha ulteriormente intensificato l'interesse per la convezione di Rayleigh-Bénard e i sistemi turbolenti termicamente guidati correlati, come la convezione orizzontale, la convezione verticale, la convezione riscaldata internamente o i sistemi guidati dalla galleggiabilità, come il flusso in condotti inclinati stratificati. Tuttavia, la comunità della turbolenza completamente sviluppata è stata tradizionalmente disconnessa dalla comunità che si concentra sulla transizione dal flusso laminare a quello turbolento. Un obiettivo del workshop è riunire queste due comunità per il loro reciproco beneficio, risultando nel trasferimento di metodi sperimentali, numerici e teorici e nella definizione di nuovi problemi comuni.
Altri esempi di transizioni tra diversi stati turbolenti sono stati osservati nel flusso di von Karman e nel flusso di Taylor-Couette. Anche la turbolenza di Rayleigh-Bénard conosce ulteriori transizioni, vale a dire quella dal flusso zonale a un flusso con rulli di convezione o da un flusso turbolento con n rulli di convezione a quello con n+1 o n-1 rulli di convezione. Le domande da porsi su tutti questi sistemi con più stati turbolenti sono: Come si può innescare una transizione? Qual è il carattere isteretico della transizione? Quali sono le proprietà di trasporto (calore, massa, momento) dei diversi stati? Quali sono le durate degli stati, a seconda dei parametri di controllo? Le perturbazioni locali a uno stato crescono e alla fine sovrastano la struttura del flusso globale e portano a una transizione o si estinguono?
I relatori sono tutti scienziati rinomati che hanno lavorato sulla transizione alla turbolenza e sulla turbolenza completamente sviluppata. Tutti loro sono membri della American Physical Society. Hanno background in matematica, fisica e ingegneria meccanica.

Gli organizzatori ringraziano il Jülich Supercomputing Centre per aver supportato la scuola fornendo tempo di calcolo attraverso l'Infrastruttura Unificata di Jülich per il calcolo quantistico (JUNIQ) sul quantum annealer D-Wave. JUNIQ ha ricevuto finanziamenti dal Ministero Federale Tedesco dell'Istruzione e della Ricerca e dal Ministero della Cultura e della Scienza dello Stato del Nord Reno-Westfalia.

Sfondo:
Il Quantum Computing (QC) è una tecnologia emergente che ha il potenziale di rivoluzionare il modo in cui risolveremo i problemi di meccanica computazionale in futuro. Tuttavia, il potenziale vantaggio del QC rispetto al calcolo ad alte prestazioni classico non è gratuito, ma richiede la riprogettazione degli approcci di soluzione da zero, cioè in termini di algoritmi quantistici o ibridi quantistico-classici che sfruttano i principi della meccanica quantistica come la sovrapposizione degli stati, l'intreccio e il parallelismo quantistico. Richiede anche una ripensamento della formulazione complessiva del problema, poiché un potenziale vantaggio computazionale può facilmente essere distrutto se l'utente mira a estrarre i campi di soluzione completi di, ad esempio, un calcolo CFD quantistico, il che richiederebbe fino a un numero esponenzialmente elevato di calcoli.
Obiettivi del corso:
Questo corso avanzato fornisce un'introduzione graduale ai principi di base del calcolo quantistico e discute un ampio spettro di algoritmi quantistici e ibridi quantistico-classici e le loro applicazioni nella meccanica computazionale. In particolare, il corso affronterà le somiglianze e le differenze tra computer quantistici basati su porte (GBQC) e annealer quantistici (QA) e discuterà come vari tipi di problemi delle scienze meccaniche possano essere formulati come circuiti quantistici per i primi e modelli di Ising (IM) / problemi di ottimizzazione binaria quadratica non vincolata (QUBO) per i secondi, rispettivamente. I tipi di applicazioni spaziano dall'ottimizzazione del design strutturale e l'imaging sismico all'analisi del flusso di fluidi e potenza.
Struttura del corso e pubblico target:
Il corso si rivolge principalmente a studenti e professionisti dell'industria e del mondo accademico con background nelle scienze meccaniche che desiderano conoscere meglio le opportunità e le sfide del calcolo quantistico come tecnologia informatica emergente per risolvere problemi complessi nel (prossimo) futuro.
Il programma del corso è il seguente:
- Introduzione al calcolo quantistico con discussione delle somiglianze e delle differenze tra computer quantistici basati su gate, annealer quantistici e macchine di Ising.
- Formulazione di QUBO / modelli di Ising utilizzando diverse codifiche e approcci per implementare vincoli; suggerimenti e trucchi per implementazioni pratiche su annealer quantistici e macchine di Ising.
- Applicazione di annealer quantistici per risolvere problemi nell'ottimizzazione di travi, analisi e ottimizzazione del design strutturale, imaging sismico, analisi di fase e analisi del flusso di fluidi e potenza.
- Argomenti avanzati nell'annealing quantistico: rappresentazione di variabili a valore reale, strategie di ibride, macchine di Ising oltre gli annealer quantistici.
- Introduzione agli algoritmi quantistici variazionali (VQA) e all'apprendimento automatico quantistico (QML) per computer quantistici basati su gate: metodi di kernel quantistico (QKM), macchine a vettori di supporto classiche e quantistiche (SVM).
- VQA e l'algoritmo del Gruppo di Rinominalizzazione della Matrice di Densità per risolvere il problema del Recupero della Sequenza di Impilamento con vincoli.
- SVM per la previsione della resistenza di pannelli compositi con fori aperti.
- QKM per risolvere problemi di regressione.
- QKM e QML informato dalla fisica per risolvere equazioni differenziali.
- Metodi quantistici (a reticolo) di Boltzmann.
- Algoritmi Quantum-PDE basati sul metodo dei volumi/elementi finiti per applicazioni CFD, idrodinamica della radiazione e relatività numerica.

Questo corso è rivolto a studenti laureati, candidati al dottorato e ricercatori post-dottorato in ingegneria elettronica/biomedica/meccanica/civile, scienza dei materiali, biofisica e matematica applicata. È anche prezioso per scienziati e ingegneri senior nel mondo accademico e nell'industria interessati agli aspetti teorici fondamentali dei fenomeni di pieghettatura, alla loro simulazione numerica e caratterizzazione sperimentale.
Le pieghe appaiono quasi ovunque in natura e durante la produzione o l'uso di strutture sottili a singolo o multilivello. Ad esempio, la formazione di pieghe è uno dei principali fenomeni che controllano la morfogenesi dei tessuti molli (ad es. il cervello) e la forma delle foglie delle piante. Nei sistemi film-sottostrato, le pieghe possono formarsi a causa di carichi meccanici, gonfiore dello strato sottile o ritiro del sottostrato. La formazione di pieghe è il meccanismo che rende desiderati o indesiderati i modelli superficiali nei dispositivi elettronici estensibili realizzati con sottili film metallici su substrati polimerici. È noto che le pieghe appaiono sulla pelle umana, verificandosi naturalmente o come risultato di un intervento chirurgico. In questo contesto, la struttura gerarchica della pelle, la sua microstruttura e le proprietà dei materiali giocano un ruolo dominante. Le pieghe possono evolversi in altri modelli come pieghe e pieghe, raddoppiamento/triplicazione periodica e altre biforcazioni secondarie, così come il distacco tra gli strati. La formazione di pieghe (soprattutto combinata con la delaminazione) è considerata un tipico meccanismo di guasto nei compositi, nell'elettronica flessibile, così come nelle strutture sandwich leggere. Le pieghe devono essere evitate durante il drappeggio nella produzione di compositi rinforzati con tessuti a doppia curvatura mediante una corretta formazione del lay-up e carichi meccanici e termici controllati. Pieghe indesiderate possono anche verificarsi durante la formatura dei metalli, ad esempio durante la laminazione o la stiratura delle strisce. Vari fenomeni di formazione di pieghe possono essere osservati in piastre e strisce sottili sotto tensione o in combinazione di allungamento e torsione. Questi pochi esempi illustrano la vasta gamma di aree in cui la formazione di pieghe gioca un ruolo essenziale.
Indipendentemente dal fatto che le pieghe si presentino nei sistemi biologici o nelle strutture ingegneristiche, da una prospettiva meccanica, questo fenomeno può essere studiato con una vasta gamma di metodi avanzati. Questo corso si concentra sulla presentazione di tecniche di modellazione all'avanguardia utilizzate per prevedere lo sviluppo delle pieghe in una vasta gamma di applicazioni. Saranno discussi i seguenti approcci analitici, semi-analitici e computazionali: teoria del campo di tensione, analisi degli autovalori per modelli discretizzati, analisi della cellula unitaria, analisi computazionale non lineare per studiare la crescita/scomparsa o le transizioni delle pieghe; teoria della crescita e del rimodellamento accoppiata con elasticità non lineare e incrementale per studiare la morfogenesi dei tessuti molli; analisi lineari esatte e debolmente non lineari nel quadro dell'elasticità non lineare, così come approcci cinetici, che si completano a vicenda, per studiare le pieghe di film sottili su substrati. Studi sperimentali e simulazioni pratiche dei difetti di piegatura durante i processi di formazione dei compositi completeranno le considerazioni teoriche. Il lavoro pratico sarà svolto sui laptop dei partecipanti, utilizzando software open source.

AVVISO IMPORTANTE: Le registrazioni delle lezioni per questo corso saranno fornite ai partecipanti online.
Le correnti gravitazionali sono un fenomeno onnipresente nella natura e nella tecnologia. Costituiscono principalmente flussi orizzontali guidati da gradienti di pressione idrostatica dovuti a variazioni di temperatura, composizione chimica o alla presenza di particelle sospese. Sono tra i principali fattori di ridistribuzione di calore e massa sul pianeta, attraverso flussi guidati dalla densità nell'oceano e nell'atmosfera, e sono responsabili di una serie di pericoli naturali e causati dall'uomo, come le valanghe di neve, le frane, le eruzioni vulcaniche di vario tipo, ma anche flussi positivamente galleggianti come le colonne e il fumo degli incendi all'interno degli edifici. Le correnti di torbidità rappresentano una classe importante di correnti gravitazionali guidate da particelle, poiché rappresentano un meccanismo chiave per il trasporto di sedimenti in acque più profonde. La loro interazione con il fondale marino attraverso l'erosione e la deposizione è responsabile della formazione di caratteristiche su larga scala come i canyon sottomarini, e i loro depositi formano i più grandi corpi sedimentari sulla Terra. Da un punto di vista ingegneristico, le correnti gravitazionali sottomarine rappresentano un pericolo significativo per le infrastrutture come i oleodotti e i cavi di telecomunicazione.
Il fatto che le correnti gravitazionali possano formarsi sotto una così ampia varietà di condizioni le rende un argomento di ricerca particolarmente affascinante. Possono essere associate agli estremi opposti dello spettro del numero di Reynolds (flussi di magma contro correnti atmosferiche), in modo che siano governate da diversi equilibri tra forze inerziali, viscose e gravitazionali. Possono essere non conservative in quanto la loro densità in eccesso varia nel tempo (ad esempio, correnti di torbidità che erodono o depositano), possono essere di natura Boussinesq o non Boussinesq (brezze marine contro valanghe di neve polverosa), possono dare origine a dinamiche non newtoniane (flussi di detriti) e possono essere collegate a reazioni chimiche o all'esclusione preferenziale del sale durante la formazione del ghiaccio. Le correnti gravitazionali possono esistere in ambienti circostanti che mostrano taglio di velocità, come nei deflussi di temporali, la loro dinamica può essere influenzata da topografie complesse e possono interagire con una stratificazione di densità di fondo, innescando così la formazione di onde gravitazionali interne, o viceversa, dove la risospensione dei sedimenti a causa della rottura delle onde interne può generare correnti gravitazionali.
Il corso proposto introdurrà i principi fisici fondamentali che governano la dinamica delle correnti gravitazionali e delle correnti di torbidità, insieme a una vasta varietà di esempi in natura. Metteremo in evidenza diversi modelli concettuali di correnti gravitazionali ad alto numero di Reynolds e introdurremo approcci di modellazione risolventi in profondità basati sulle equazioni di Navier-Stokes complete.
Il corso includerà un'escursione di un giorno per esaminare i depositi di antichi flussi gravitazionali sottomarini che si sono verificati 55 milioni di anni fa e ora sono conservati come rocce sedimentarie. Questi includono i depositi di correnti di torbidità e frane sottomarine.
Il corso è destinato principalmente a studenti laureati, postdoc e ricercatori all'inizio della carriera, così come a scienziati senior provenienti dall'ingegneria e dalle scienze geologiche.

Questo corso offre un'esplorazione approfondita della nuova tecnica della Meccanica della Frattura Finita (FFM) per modellare l'inizio delle crepe e il fallimento, con applicazioni pratiche a problemi del mondo reale. È progettato per studenti post-laureati, ricercatori esperti e ingegneri che desiderano comprendere, applicare o sviluppare questo approccio.
Diverse teorie prevedono l'inizio del fallimento in strutture complesse con concentrazioni di stress o singolarità, come fori o punte a V. La FFM consente di identificare la scala di lunghezza intrinseca specifica della struttura e estende i concetti della meccanica della frattura tradizionale a configurazioni più generali con concentrazioni di stress o singolarità oltre a una punta di crepa con una singolarità a radice quadrata.
FFM è stato convalidato attraverso numerose osservazioni sperimentali, prevedendo con successo l'inizio del fallimento in geometrie complesse. Negli ultimi anni, è stato esteso a domini 3D, non linearità geometriche e materiali, e aspetti dinamici, inclusa la propagazione di crepe subsoniche. Si è dimostrato efficace nella valutazione delle fratture a scala micro o nano, in materiali e compositi ispirati alla biologia e stampati in 3D. Inoltre, ha fornito una spiegazione fisica per il parametro di regolarizzazione nei modelli di fase per la frattura e ha stabilito un collegamento con i profili di trazione-separazione dei modelli di zona coesiva. Queste estensioni, applicazioni e interazioni con altri modelli di frattura rendono FFM un approccio all'avanguardia nella modellazione del fallimento, che sarà ampiamente discusso. Applicazioni pratiche ed esercizi pratici permetteranno ai partecipanti di padroneggiare le tecniche FFM.
Il corso CISM proposto riunisce sei ricercatori che hanno studiato e applicato ampiamente le tecniche FFM. Inizierà affrontando il quadro e l'origine dell'FFM, inclusi aspetti sperimentali e teorici correlati, nonché l'implementazione numerica. Si concentrerà quindi sulle applicazioni per una vasta gamma di materiali e configurazioni. Saranno trattate le recenti estensioni dell'FFM, comprese le applicazioni 3D, le non linearità dei materiali come la plasticità o l'elasticità non lineare, le non linearità geometriche, i carichi dinamici e di fatica, e l'FFM come problema di ottimizzazione. Sarà inoltre esaminata in dettaglio la relazione dell'FFM con altri modelli di frattura.

Recenti progressi nella modellazione multiphysica e multiscala di materiali complessi, che sono materiali dotati di microstruttura, rilevabile a diversi livelli di scala (nano, micro, meso, macro), e caratterizzati da un comportamento materiale complesso (plasticità, danno, frattura) sono richiesti da nuove applicazioni.
I compositi avanzati (AC), consistono in vari componenti (metallo, polimero, ceramica, ecc.) con architetture interne complicate, inclusa la porosità, e rinforzi con fibre o particelle di diverse proprietà, forme e dimensioni. La distribuzione ottimale della (1) fase di rinforzo all'interno delle matrici o (2) delle diverse fasi nei materiali multifase è il compito principale nella progettazione di compositi complessi per ottenere la risposta materiale richiesta ai vari tipi di carico. Le proprietà macroscopiche degli AC sono soggette a fenomeni di multi-degradazione che sono governati da processi multiphysici che si verificano a una o più scale al di sotto del livello di osservazione, suggerendo l'applicazione di approcci multiscala. Una comprensione approfondita di come questi processi influenzano la riduzione della rigidità e della resistenza è di fondamentale importanza per l'analisi dei materiali complessi esistenti e per la progettazione di materiali complessi migliorati. È ampiamente riconosciuto che importanti proprietà macroscopiche dei materiali, come rigidità e resistenza, sono governate da processi che si verificano a una o più scale al di sotto dell'osservazione macro. Una comprensione approfondita di come questi processi influenzano il comportamento globale è fondamentale per l'analisi e la progettazione di materiali compositi esistenti e/o migliorati in termini di prestazioni (analisi multiscala).
Il recente progresso nella scienza informatica applicata e nell'intelligenza artificiale nella modellazione multifisica dei materiali mira alla modellazione di processi di danno multiplo e di rottura, convalidati attraverso la valutazione sperimentale delle proprietà meccaniche locali e delle microstrutture. Ad esempio, modelli costitutivi parametrizzati e scalati in modo data-driven con apprendimento automatico e quantificazione dell'incertezza sono un'idea innovativa che propone una rappresentazione parametrica di descrittori microstrutturali a scala inferiore espressi come funzioni di parametri rappresentativi della microstruttura aggregata, inclusa l'informazione sui dati riguardanti la morfologia microstrutturale e la cristallografia. L'applicazione di uno strumento di apprendimento automatico è utilizzata per la generazione di descrittori costitutivi. Inoltre, modelli data-driven non locali recentemente proposti per AC verdi con particolare enfasi sulla derivazione della formulazione di modelli non classici per continui di materiali e la descrizione degli algoritmi e delle procedure necessarie adottate per sviluppare il modello multiscala proposto.
Inoltre, strategie innovative di modellazione multiscala applicate allo studio degli AC sotto carico statico e di fatica per l'inizio delle crepe su scale di lunghezza atomistica e microstrutturale, così come il fallimento finale macroscopico utilizzando metodi appropriati per la scala, saranno di interesse anche per il corso, per confrontare questi approcci con risultati sperimentali per molti casi pratici. Il corso copre anche sviluppi recenti nella modellazione di materiali complessi come continui non locali ottenuti attraverso l'adozione di approcci multiscala.

L'avanzamento della produzione additiva ha reso possibile la creazione di architetture complesse multiscala controllate a livello nano/micro, portando a un nuovo paradigma nella progettazione dei materiali. I materiali architettati (AM) derivano le loro proprietà non da quelle del materiale di base, ma piuttosto dal design e dalla topologia della loro microstruttura. Tra i materiali architettati, la categoria chiamata metamateriali indica materiali con architettura multiscala pre-progettata che mostrano proprietà statiche e dinamiche insolite associate a grandi deformazioni locali, alla presenza di più stati metastabili e instabilità.
Per determinare le proprietà meccaniche e acustiche efficaci degli AM, è necessario stabilire un collegamento tra la microstruttura e la scala di un mezzo di sostituzione efficace, facendo affidamento su schemi di omogeneizzazione adeguati; modelli continui generalizzati come i media micromorfici o a gradiente di deformazione sono talvolta necessari per tenere conto dei particolari modi di deformazione microstrutturale.

Creare architetture di anisotropia controllata sintonizzate per essere ultra-morbide o ultra-rigide e leggere è diventato sempre più importante nelle applicazioni di ingegneria biomeccanica, civile e meccanica. Ad esempio, specifici membri strutturali biologici come tendini e legamenti mostrano valori del rapporto di Poisson ben al di sopra dei limiti isotropi, evidenziando così la necessità di microstrutture di metamateriali biomimetici, appropriate per i processi di ripristino di tendini o legamenti. I materiali fibrosi sono una classe di AM che include molti esempi biologici e ingegneristici, denominati collettivamente materiali a rete. Il tessuto connettivo nei corpi umani e animali, la carta, i prodotti in cellulosa, i non tessuti e i tessuti sono tutti materiali a rete. Il loro comportamento è altamente non lineare ed è definito dalla presenza di stati metastabili, instabilità e, infine, dall'architettura della rete. I materiali a rete sono resistenti, resistenti ai danni; possono essere progettati e costruiti per sfruttare proprietà statiche e dinamiche insolite e tali sistemi appartengono alla classe dei metamateriali.
I materiali topologicamente interbloccati formano una classe distinta di AM. Sono composti da blocchi di costruzione periodici che vengono assemblati per tessellare lo spazio. I contatti tra i blocchi controllano il comportamento altamente non lineare dell'insieme su scala macroscopica. Questi materiali sono resistenti ai danni e robusti, e mostrano comportamenti interessanti in taglio, indentazione e sotto carichi dinamici.
L'obiettivo del corso è riunire ricercatori delle comunità di modellazione, meccanica computazionale ed esperimentale per fornire una panoramica, comprese le recenti attività di ricerca, del campo in rapida espansione dei materiali architetturati, con un focus speciale sui metamateriali meccanici sia in statica che in dinamica. Il corso proposto si rivolge sia a ricercatori affermati che a un pubblico più giovane e fornirà informazioni all'avanguardia in quest'area.

La domanda di organi donatori supera l'offerta, rendendo necessario lo sviluppo di organi artificiali alternativi basati su dispositivi. Questi dispositivi sono essenziali non solo per collegare i pazienti al trapianto, ma anche come potenziali soluzioni permanenti per l'insufficienza d'organo. Per garantire che questi dispositivi funzionino in modo sicuro ed efficace all'incrocio tra biologia, dinamica dei fluidi, chimica, ingegneria meccanica e medicina, è fondamentale un'ampia sperimentazione in condizioni realistiche. Tuttavia, i modelli sperimentali attuali, come le circolazioni simulate e gli esperimenti su animali, sono spesso costosi, richiedono molto tempo e non riescono a replicare completamente la fisiopatologia umana. Queste limitazioni contribuiscono ad alti costi di sviluppo, rischi e tassi di fallimento nella traduzione clinica degli organi artificiali.
In questo contesto, i metodi in-silico sono sempre più importanti nel processo di progettazione e approvazione di dispositivi medici complessi. Le simulazioni computazionali possono ridurre significativamente i rischi e i tassi di fallimento consentendo lo screening di numerosi scenari e prevedendo eventi critici in "pazienti virtuali." Queste simulazioni possono rivelare problemi che non sono rilevabili in configurazioni di laboratorio tradizionali, offrendo intuizioni senza precedenti sulle interazioni uomo-macchina, come informazioni dettagliate sul campo di flusso in tutto il dominio. Questo è particolarmente prezioso negli organi artificiali bagnati di sangue, dove le previsioni precoci di problemi di emocompatibilità, come danni al sangue e trombosi, possono portare a design migliorati. La flessibilità dei modelli numerici consente l'incorporazione di condizioni al contorno realistiche, come geometrie in movimento e un'ampia gamma di condizioni di pressione e flusso, e meccanismi fisiologici complessi, inclusi fenomeni di flusso non newtoniano. Tuttavia, l'intensità computazionale di queste simulazioni richiede strategie di modellazione efficienti e accurate per fornire risultati in tempo. Di conseguenza, le simulazioni numeriche comportano spesso idealizzazione e approssimazione del problema. Le geometrie e le proprietà dei fluidi specifiche per il paziente introducono incertezze intrinseche, rendendo essenziale la validazione delle metodologie computazionali e la quantificazione dell'incertezza per previsioni affidabili. Berlin Heart GmbH è tra i leader di mercato nel settore, mantenendo i più alti standard di affidabilità e precisione per VAD innovativi per supporto circolatorio meccanico, e presenterà il proprio approccio all'utilizzo di simulazioni numeriche dalla prospettiva di un produttore.
Questo corso fornisce ai partecipanti il quadro fondamentale per comprendere e condurre simulazioni computazionali nelle applicazioni bio-fluidiche. Progettato per studenti laureati, medici e ricercatori nelle scienze mediche, applicate e ingegneristiche con un interesse per la biomeccanica, il corso offre una panoramica dei metodi di simulazione numerica per guidare la progettazione e l'applicazione di organi artificiali. Gli argomenti spaziano da un'introduzione alla fisiologia di base dei sistemi respiratorio e cardiovascolare a metodi di simulazione numerica avanzati che catturano interazioni complesse uomo-macchina in organi in movimento. L'accento è posto sulla modellazione delle condizioni al contorno, dei regimi di flusso turbolento e del comportamento del flusso non newtoniano. La serie di conferenze è completata da sessioni di poster, dove i partecipanti possono presentare il proprio lavoro e promuovere collaborazioni interdisciplinari.

Le interazioni tra particelle non sferiche e turbolenza sono comuni in molte applicazioni ambientali, tecnologiche e biologiche. In alcuni casi, queste particelle possono essere modellate come sferiche, ma in molti altri casi, ad esempio nella dispersione di microplastiche, nei cristalli di ghiaccio nell'atmosfera e nella fabbricazione di materiali compositi, la non sfericità e l'allineamento associato governano la dispersione, la riflessione della luce o la resistenza del materiale. Sono stati compiuti notevoli progressi nella nostra comprensione dell'interazione delle particelle non sferiche nella turbolenza. Tuttavia, a causa dell'interazione non banale di queste particelle con le strutture di flusso turbolento, che possono essere caratterizzate da un campionamento preferenziale delle regioni di flusso (nel caso delle particelle inerti) così come da un allineamento preferenziale con le strutture di flusso turbolento, molte domande rimangono ancora senza risposta, specialmente nei flussi turbolenti non omogenei. Le simulazioni numeriche supportate da risultati teorici ed esperimentali hanno guidato la strada. Tuttavia, sia i metodi numerici che quelli sperimentali hanno fatto progressi a un ritmo rapido e gli esperimenti sono attualmente in grado di recuperare il ritardo rispetto alle simulazioni numeriche o addirittura superarle, specialmente nelle applicazioni ad alto numero di Reynolds. Di conseguenza, è ora utile guardare indietro e rivedere i numerosi studi sull'argomento per esaminare lo stato attuale della ricerca e mettere in prospettiva i futuri percorsi di ricerca.
Il corso si propone di fornire un quadro generale e unificato delle tecniche teoriche, numeriche ed esperimentali all'avanguardia per lo studio del comportamento dinamico delle particelle non sferiche nei flussi turbolenti. I partecipanti saranno esposti alle diverse metodologie e approcci, ai loro punti di forza e di debolezza, diventando così più consapevoli delle capacità e delle limitazioni dei diversi approcci. Solo comprendendo le capacità e le carenze delle metodologie impiegate, si può raggiungere sinergia tra i diversi approcci e, di conseguenza, avanzare ulteriormente la nostra comprensione dell'interazione complessa delle particelle non sferiche con i flussi turbolenti. Sarà fornito anche un insieme completo di applicazioni, principalmente estratte dal campo di ricerca dei relatori e coprendo diverse aree della fisica applicata e dell'ingegneria. Dopo le lezioni, gli studenti dovrebbero possedere le conoscenze necessarie sulle capacità di base, i potenziali e le limitazioni dei vari metodi numerici ed esperimentali trattati e, pertanto, dovrebbero essere in grado di valutare criticamente l'affidabilità e l'accuratezza delle informazioni che questi metodi possono fornire quando applicati a situazioni pratiche.
Il corso offre una panoramica completa dei flussi turbolenti complessi carichi di particelle e, pertanto, sarà particolarmente attraente per studenti laureati, candidati al dottorato, giovani ricercatori e membri del corpo docente in fisica applicata, matematica applicata e ingegneria chimica/meccanica. Gli argomenti avanzati e la presentazione dei progressi attuali in questo campo molto attivo susciteranno anche un notevole interesse per molti ricercatori senior, così come per i professionisti industriali che hanno un forte interesse a comprendere il comportamento complesso multi-scala di tali flussi multifase, con particolare enfasi sulla loro modellazione, simulazione e sperimentazione.

La materia è raramente completamente statica: spesso la materia può trasformarsi. Questo è vero per tutti i sistemi viventi che crescono, si adattano e cambiano forma. Infatti, le cellule si dividono, le foglie e i funghi crescono, i polpi si trasformano e le ali si rimodellano per controllare il volo. Ma è anche vero che il pane lievita e che la pasta si gonfia. Mentre il morphing è onnipresente nel vivente, non è confinato ad esso. Sfruttare le capacità di morphing ha molte potenziali applicazioni, dalle macchine e robot all'architettura.
L'obiettivo di questo corso è rivedere le conoscenze attuali e in rapida crescita sui materiali strutturali che cambiano forma o sviluppano tensioni interne spontanee che migliorano le loro proprietà. L'accento sarà posto sulle potenziali applicazioni nell'ambiente costruito, dalle case alle infrastrutture.
I docenti provenienti da fisica, ingegneria, scienza dei biomateriali e architettura affronteranno questo argomento in modo interdisciplinare.
La meccanica del cambiamento di forma richiede la comprensione fisica di come le tensioni interne, in congiunzione con la forma complessiva, portino a deformazioni macroscopiche. Questo solleva una serie di domande che saranno affrontate: Fino a che punto si può prevedere la forma finale? In quali casi e in che modo è possibile risolvere il problema inverso? Quali modi di indurre il cambiamento di forma, come l'inflazione dell'aria, il gonfiore e il ritiro basati sull'acqua, l'espansione termica, sono stati affrontati teoricamente e praticamente? Come può essere utilizzato il cambiamento di forma per l'auto-assemblaggio e il disassemblaggio di unità morphing? Cosa è diverso su larga scala che è rilevante per l'architettura e dove le forze gravitazionali giocano un ruolo importante?
La natura è una grande fonte di ispirazione per il cambiamento di forma grazie alla sua capacità di crescere e rimodellarsi. Ma i sistemi naturali, in particolare le piante, si sono evoluti per utilizzare la morfologia "passiva" che non implica un metabolismo attivo. Esempi principali sono i sistemi di dispersione dei semi, come il cono di pino e molti altri. Il corso affronterà anche esempi naturali e rivedrà le conoscenze attuali nel campo per fornire una base per l'ispirazione di materiali strutturali tecnici in grado di morfarsi.
Saranno discussi esempi dall'architettura, inclusi gli oggetti gonfiabili, gli assemblaggi di particelle morfanti e non morfanti, e i compositi con stress interni. Ma l'architettura non è solo un campo ingegneristico, ma richiede anche conoscenze e approcci di design. Uno degli obiettivi di questo corso è anche quello di introdurre i partecipanti a metodi di ricerca e sviluppo che combinano metodi scientifici e ingegneristici con tecniche di design.
In natura, la morfologia è sempre stata critica: riguarda la crescita e la sopravvivenza; una questione di vita stessa. Insieme alle osservazioni scientifiche, intuizioni e teoremi sulla materia morfante naturale, il cambiamento di forma ha permeato i sogni e le fantasie della mitologia, del folklore, della narrativa e dell'immaginazione umana.
La visione che ha portato allo sviluppo di questo corso è che la morfologia avrà anche un impatto crescente sul nostro ambiente costruito, forse comprendendo soluzioni più sostenibili rispetto a quelle che sono le pratiche comuni oggi.

I flussi multifase sono comuni in natura e ingegneria. I flussi atmosferici spesso coinvolgono la dispersione di gocce o particelle solide (polvere, sabbia, cristalli di ghiaccio nelle nuvole); i sistemi marini sono popolati da plancton, sedimenti o microplastiche. Le applicazioni industriali dei flussi disperse includono separatori di particelle, sistemi di filtrazione, atomizzatori e dispositivi di combustione, essiccatori a spruzzo, colonne di bolle; i flussi interfaciali e di superficie libera sono diffusi nell'industria chimica e di processo.
Per affrontare la complessità associata a tali flussi, vengono combinati fenomeni diversi: dinamica dei flussi (inclusa la turbolenza o la microfluidica), trasporto della fase dispersa, trasferimento di calore e cambiamento di fase, reazioni chimiche, scienza delle superfici (deposizione di particelle, riespulsione o agglomerazione) o persino biologia di oggetti organici. Questi processi multifisici possono coprire un'ampia gamma di scale spaziali e temporali (dal nano al macro fino a quelle geofisiche).
Il corso si concentrerà sugli approcci lagrangiani. Sono spesso metodi di scelta per trattare il trasporto della fase particolata e la polidispersità; possono anche essere utilizzati, in termini di cosiddetti metodi basati su particelle, per la descrizione macroscopica del moto dei fluidi. Visto da questa prospettiva, il corso dovrebbe integrare bene un curriculum tipico sulla dinamica dei fluidi e la modellazione CFD per fornire una visione più ampia, accanto a (ma non fuori) dai sentieri battuti, particolarmente preziosa per i candidati al dottorato.
Il corso coprirà una gamma di tecniche lagrangiane in uso, con un'enfasi particolare sulla turbolenza carica di particelle. Includerà lezioni e sessioni pratiche sulla Velocimetria a Immagine di Particelle e sulla Velocimetria di Tracciamento delle Particelle, ampiamente utilizzate per misurare flussi disperse a due fasi. D'altra parte, le particelle traccianti non sferiche possono essere utilizzate per quantificare la turbolenza. Saranno trattati la fisica della dispersione delle particelle, la rottura degli aggregati e la dinamica anisotropa delle particelle.
In termini di modellazione e calcolo, le lezioni descriveranno approcci ibridi Euler-Lagrange per flussi a due fasi multifisici, in particolare quelli turbolenti disperse. Il corso affronterà le Simulazioni Numeriche Dirette risolte per particelle e modellate per particelle (PR-DNS, PM-DNS), Simulazioni a Grande Vortice (LES) con tracciamento delle particelle, che possono includere la modellazione dei fenomeni a sottoscala, così come approcci statistici (RANS e PDF a un punto) con modelli lagrangiani stocastici per tenere conto delle informazioni mancanti sulla turbolenza. La Dinamica dei Fluidi a Particelle Smussate (SPH) sarà presentata come rappresentante di un approccio numerico basato su particelle, inclusa la SPH multifase, insieme ad alcune questioni fondamentali.
Attraverso questi vari esempi, saranno discusse somiglianze e differenze tra le descrizioni basate su particelle, considerando la natura multifisica dei flussi a due fasi. Le lezioni faranno luce su questioni sperimentali (inclusa la valutazione dell'incertezza), sfide di modellazione (modelli a particella puntuale vs. modelli risolti per particelle, gestione delle scale non risolte) e approcci computazionali (inclusi quelli ibridi).

Poiché il cambiamento climatico è oggi una delle più grandi minacce e sfide globali, le recenti iniziative globali riflettono la forte volontà delle società di applicare in modo sinergico e proattivo strategie robuste per moderare la crisi climatica. Questo insieme di politiche mira a rendere l'Europa neutra dal punto di vista climatico entro il 2050, ovvero con zero emissioni di gas serra entro quella data. Questa strategia include, ad esempio, il piano per un aumento di 25 volte dell'energia eolica offshore entro il 2050, un fatto che richiede un'innovazione all'avanguardia fondamentale nell'energia eolica. In questo contesto, l'IA in tutte le sue forme, compresa la gestione dei big data potenziali eolici, i gemelli digitali, l'apprendimento automatico e gli approcci delle reti neurali artificiali, sono destinati a svolgere un ruolo importante nei prossimi anni nel potenziare l'energia eolica.
Il presente Corso CISM mira a coprire sistematicamente tutte le attuali tendenze relative all'uso dell'IA per promuovere l'Energia Eolica. Durante il corso, oltre alle conoscenze fondamentali riguardanti il vento e la produzione di energia eolica, comprese le installazioni offshore, verranno presentate nuove tecnologie come il LiDAR per la prognosi del potenziale eolico, insieme a tecniche di Machine Learning e Digital Twins applicate alla progettazione di sistemi di energia eolica. In questo contesto, verranno presentati i risultati attuali relativi all'accuratezza della valutazione delle risorse eoliche e delle rispettive caratteristiche del flusso eolico. Verranno presentati i progressi nella progettazione e nella manutenzione ottimizzata dei convertitori di energia eolica mediante tecniche di Machine Learning. Sembra che al giorno d'oggi la chiave e il fattore di cambiamento siano la prognosi tempestiva della risposta e delle prestazioni dei sistemi di energia eolica, basata su dati di monitoraggio e ispezione ad alte prestazioni. A tal fine, il concetto di Digital Twins ha iniziato a essere impiegato, mirando a colmare il divario tra il modello numerico e l'asset fisico integrando la misurazione che, tuttavia, può essere realizzata difficilmente tramite strumenti tradizionali. L'intelligenza artificiale emergente offre una soluzione fattibile da una nuova prospettiva: i prototipi di Digital Twin vengono applicati per ottimizzare e controllare le prestazioni dei sistemi di energia eolica integrando dati di ispezione e misurazione tramite inferenza bayesiana e Machine Learning. Infatti, i Digital Twins hanno un potenziale promettente per fornire intuizioni innovative sullo stato delle infrastrutture di Energia Eolica con il modello fisico, i dati di monitoraggio e i risultati delle ispezioni integrati.
Il corso tratterà anche le tendenze delle nuove tecnologie promettenti e argomenti preziosi come il concetto di isole energetiche modulari sostenibili e l'analisi di sostenibilità di selezionati tipi di convertitori di Energia Eolica.
Con queste lezioni miriamo ad attrarre studenti di dottorato, ricercatori post-dottorato e ingegneri praticanti che lavorano con progetti di energia eolica basati sui dati. L'obiettivo è fornire al pubblico tutti gli strumenti necessari per comprendere meglio gli sviluppi più recenti sui soggetti sopra descritti e, quindi, facilitare il trasferimento tecnologico dalla ricerca alle applicazioni.

La fabbricazione additiva (AM) di metalli offre la massima flessibilità produttiva, quasi illimitata libertà di design e il potenziale per il controllo puntuale della microstruttura e delle proprietà meccaniche. Tuttavia, una scelta subottimale dei parametri di processo porta spesso a elevate tensioni residue, deformazioni dimensionali, porosità, microstrutture indesiderate o addirittura al fallimento del pezzo durante la produzione. L'obiettivo principale di questo corso è trasmettere i fondamenti fisici dei processi di AM in metallo, le basi dell'implementazione e del monitoraggio del processo, gli aspetti materiali, nonché le tecniche di modellazione e simulazione su diverse scale di lunghezza.
Il corso inizia con una panoramica dei processi di AM in metallo esistenti, comprendenti la fusione a letto di polvere (PBF), la deposizione di energia diretta (DED), la stampa a legante (BJ) e la stampa di materiale (MJ). Dopo aver trasmesso i fondamenti fisici e tecnici, le principali caratteristiche di prestazione e i potenziali campi di applicazione, vengono presentati i mezzi di monitoraggio e controllo del processo. I diversi tipi di difetti nell'AM in metallo sono categorizzati e vengono discusse strategie per la rilevazione dei difetti tramite metrologia in-situ ed ex-situ (ad es., CT a raggi X, ispezione della densità, controllo della geometria).
Inoltre, il corso trasmetterà aspetti materiali essenziali come i principi, i meccanismi e la cinetica della solidificazione, nonché i fondamenti della termodinamica in equilibrio e non equilibrio. La formazione di fasi e il controllo della microstruttura, la progettazione di leghe, la metallurgia delle polveri e le correlazioni processo-microstruttura-proprietà saranno discussi nel contesto della produzione additiva di metalli e confrontati con la fusione convenzionale.
Un ulteriore focus del corso riguarda i modelli e gli approcci di simulazione nella produzione additiva di metalli, coprendo le assunzioni di modellazione sottostanti, le equazioni governanti, le strategie di discretizzazione e gli aspetti numerici (ad es., equilibrio tra efficienza computazionale e accuratezza della soluzione). In particolare, saranno discusse strategie di modellazione per la meccanica, il trasferimento di radiazione, il trasferimento di calore e la cinetica di sinterizzazione nei letti di polvere.
Inoltre, saranno presentati approcci di modellazione e simulazione termo-idrodinamica a mesoscala mirati alla previsione delle instabilità del flusso di fusione e delle proprietà finali del pezzo, come la rugosità superficiale, l'adesione strato per strato e la porosità residua. Infine, saranno presentati approcci di modellazione e simulazione termo-meccanica a scala del pezzo mirati alla previsione delle tensioni residue, delle deformazioni termiche, del comportamento costitutivo e della deformazione dimensionale su scala dell'intero pezzo progettato.
Ogni serie di lezioni inizierà dalle rispettive basi, ma poi passerà rapidamente a temi di ricerca all'avanguardia. Le lezioni sono principalmente progettate per dottorandi in meccanica, ingegneria, scienze dei materiali e fisica con un forte interesse per i diversi aspetti della ricerca nella produzione additiva di metalli. Tuttavia, sono adatte anche per ricercatori giovani e senior, che desiderano acquisire una panoramica completa in un formato di corso compatto ed efficiente. Potrebbe anche essere interessante per ingegneri praticanti che lavorano su applicazioni industriali di alto livello nella produzione additiva di metalli.

I recenti progressi nelle tecniche di intelligenza artificiale hanno fornito strumenti per risolvere problemi di ottimizzazione complessi e ad alta dimensione che consentono di scoprire correlazioni in grandi set di dati, e quindi di estrarre caratteristiche e modelli da misurazioni o simulazioni di fenomeni complessi.
Le applicazioni di queste tecniche di apprendimento automatico nel campo della meccanica dei solidi spaziano dall'identificazione di equazioni costitutive da misurazioni temporali a campo completo, a tecniche di apprendimento automatico per la regolarizzazione di problemi inversi mal posti nell'imaging e nel controllo, e alla scoperta automatica di modelli di ordine ridotto che riassumono le principali caratteristiche dei modelli osservati in sistemi multi-fisici complessi, grazie alla scoperta automatica di strutture e simmetrie nascoste in sistemi dinamici non lineari.
Basandosi su alcune lezioni introduttive sulle fondamenta matematiche dell'apprendimento automatico e sugli strumenti computazionali di base richiesti, questi approcci recenti e potenzialmente rivoluzionari a problemi di lunga data nella meccanica dei solidi non lineari saranno discussi nel contesto di casi studio specifici provenienti da applicazioni ingegneristiche.
Prevediamo di coprire il background matematico fondamentale delle tecniche di apprendimento automatico per spiegare e razionalizzare le ragioni del loro successo, per illustrare la possibilità di scoperta automatizzata di strutture e simmetrie nascoste dimensionalmente ridotte nei problemi di meccanica dei solidi, e per illustrare il potenziale delle tecniche di apprendimento automatico nel contesto dell'applicazione a specifiche classi di sistemi materiali che spaziano dai metalli, ai polimeri, ai materiali granulari.
La scuola sarà strutturata secondo il seguente piano:
Fondamenti matematici per reti neurali e operatori neurali.
Lezioni di Carola Schönlieb (Cambridge) e Nikola Kovachki (Nvidia/NYU).
Scoperta di variabili interne e varietà invarianti in fenomeni dipendenti dalla storia.
Lezioni di Antonio DeSimone (SISSA/Pisa) e Kaushik Bhattacharya (Caltech).
Apprendimento dai dati sperimentali e connessioni con metodi numerici.
Lezioni di Dirk Mohr (ETH) e Laurent Stainier (Nantes).

Il corso proposto mira a fornire una panoramica degli sviluppi recenti nel campo della meccanica basata sulle immagini per dare ai partecipanti indicazioni su come le immagini vengono acquisite, utilizzate o analizzate e come possono essere utilizzate per scopi di comprensione e validazione. Avere una visione globale dell'intero processo dal laboratorio al centro di calcolo è essenziale per i professionisti e i ricercatori per rendere il loro lavoro più efficace. Il corso è suddiviso in diversi blocchi per rispondere alle seguenti domande: come vengono acquisite le immagini? Cosa possiamo fare con le immagini? Come viene formulata/implementata l'analisi delle immagini? Quanto sono robusti i risultati? Per aiutare i partecipanti nel loro futuro utilizzo delle immagini, questa panoramica completa del dispiegamento delle misurazioni fullfield e dell'analisi quantitativa delle immagini è accompagnata da un'esplorazione approfondita delle migliori pratiche nella formulazione e implementazione. L'immenso potenziale di queste tecniche è messo in evidenza attraverso discussioni su metodi inversi correlati per la caratterizzazione dei materiali, configurazioni multimodali e implementazioni in-situ/in-operando, ma anche sulla valutazione delle loro prestazioni.
Tra i possibili usi delle immagini nell'analisi meccanica, sono trattate le misurazioni di spostamento a campo completo e l'analisi della microstruttura. Per quanto riguarda le misurazioni del campo cinetico completo, viene presentata una panoramica delle diverse versioni e della loro implementazione pratica in laboratorio, insieme a un'introduzione all'implementazione numerica della correlazione di immagini digitali (DIC), dell'analisi spettrale localizzata (LSA) e dei metodi di flusso ottico (OF). Saranno discusse le applicazioni e le caratteristiche specifiche dell'imaging 2D, stereo e volumetrico. L'analisi quantitativa delle immagini è trattata per la caratterizzazione della microstruttura e la rilevazione di crepe utilizzando immagini 3D. Vengono introdotte e discusse varie tecniche di elaborazione delle immagini, dalla morfologia matematica classica alla segmentazione delle immagini assistita da apprendimento automatico. Saranno anche presentati approcci per l'analisi quantitativa delle immagini basata su modelli. Saranno affrontati i requisiti sulla risoluzione delle immagini e i metodi per correggere i bias di campionamento.
Dai risultati ottenuti utilizzando le tecniche precedentemente menzionate, è ora comune identificare il comportamento meccanico dei materiali studiati alla scala di osservazione scelta.
Il corso esplora approfonditamente metodi avanzati di identificazione, offrendo ai partecipanti una profonda comprensione di tecniche come l'aggiornamento del modello agli elementi finiti (FEMU) e il metodo dei campi virtuali (VFM). Attraverso dimostrazioni pratiche e discussioni teoriche, i partecipanti acquisiranno competenze nell'implementazione di questi metodi avanzati per migliorare la caratterizzazione dei materiali e l'accuratezza della simulazione. Saranno anche introdotte teoricamente e praticamente tecniche di identificazione non parametriche (senza postulare una relazione costitutiva) recentemente proposte, basate sul paradigma data-driven. Questi approcci richiedono un modello computazionale che duplica numericamente il campione. Viene anche proposta una breve panoramica delle questioni computazionali riguardanti la descrizione geometrica e l'efficienza computazionale. Infine, viene trattata la questione della robustezza. A tal fine, la quantificazione dell'incertezza sarà considerata come un problema in corso.

L'importanza della micromobilità è diventata rilevante negli ultimi decenni poiché i veicoli di micromobilità (scooter elettrici, biciclette, skateboard, monocicli, ecc.) offrono soluzioni moderne per il problema dell'ultimo miglio nel trasporto urbano. Sebbene l'invenzione di questi veicoli risalga al secolo scorso e l'analisi della loro dinamica sia iniziata anche in quel periodo, l'elettrificazione ha cambiato le regole del gioco. Maggiore velocità e maggiore agilità caratterizzano i veicoli di micromobilità moderni, mentre nel frattempo, i conducenti non professionisti li utilizzano sulle strade cittadine in condizioni di traffico intenso. Pertanto, il rischio di incidenti gravi è elevato. Comprendere la dinamica e il controllo di e-bike, scooter, skateboard e monocicli sta diventando sempre più importante.
L'obiettivo di questo corso è fornire una prospettiva sulle dinamiche e il controllo dei veicoli di micromobilità. In primo luogo, sarà presentato il modello meccanico classico dei sistemi nonholonomici più semplici. Partendo dalla seconda legge della dinamica di Newton e introducendo vincoli cinematici, saranno dimostrate le dinamiche misteriose e dipendenti dalla velocità dei sistemi nonholonomici attraverso l'analisi dello skateboard non controllato. L'effetto del controllo umano sulla stabilità sarà indagato tramite l'implementazione di un feedback di stato lineare con tempo di reazione umano. Sebbene i veicoli a una sola traccia siano altamente instabili, con una certa velocità in avanti, il sistema è facile da stabilizzare e controllare. Il corso presenterà i risultati fondamentali chiave su questo importante argomento.
Il background teorico dei sistemi nonholonomici sarà fornito tramite lezioni sull'approccio lagrangiano esteso per vincoli cinematici. Successivamente, sarà introdotto il concetto di pseudo-velocità e sarà presentato l'approccio appelliano. Le differenze tra i metodi sopra menzionati saranno mostrate attraverso l'analisi del problema del rotolamento spaziale di una ruota rigida. Sarà anche introdotto un modello semplificato dell'uniciclo elettrico. L'analisi dei veicoli robotici articolati nonholonomici metterà in evidenza come le eccitazioni periodiche possano essere utilizzate per guidare i veicoli di micromobilità. In particolare, sarà analizzato il movimento del Twistcar (che è un carrello per bambini molto popolare) e saranno identificati i movimenti in avanti e indietro a seconda dell'ampiezza, della frequenza e della fase dell'eccitazione.
Verranno presentati anche la modellazione del ciclista, il tracciamento del percorso e la stabilizzazione di biciclette e monopattini elettrici. Sarà indagata la modellazione della modalità di oscillazione delle biciclette, inclusa la flessibilità del telaio, le forze di contatto transitorie tra pneumatico e strada e il ruolo della postura del ciclista. Sarà identificata la stabilità dei monopattini elettrici in fase di frenata e saranno messe in evidenza diverse strategie di controllo della frenata (ABS, distribuzione ottimale della forza frenante). Sarà oggetto del corso anche una stima basata su filtro di Kalman del potenziale di attrito pneumatico-strada e della distribuzione della massa veicolo-ciclista. Il corso discuterà anche lo sviluppo di veicoli automatizzati a monotraccia. Saranno analizzate le strategie di controllo per il seguimento del percorso e sarà mostrata un'indagine sperimentale sul controllo delle biciclette.

Questo corso offre un'esplorazione avanzata dei metodi numerici utilizzati nell'analisi dei problemi di meccanica dei solidi. Include tecniche emergenti sofisticate essenziali per affrontare sfide ingegneristiche complesse, concentrandosi sia sulla comprensione teorica che sull'implementazione pratica. Le tecniche spaziano dai metodi non classici all'apprendimento automatico.
Le lezioni forniranno un'esplorazione approfondita dei metodi di Boltzmann a reticolo (LBM) e delle loro applicazioni nella meccanica dei solidi. Gli LBM sono una classe di tecniche di dinamica dei fluidi computazionale basate sulla teoria cinetica, ma sono stati estesi per simulare una vasta gamma di fenomeni oltre il flusso dei fluidi. Gli studenti apprenderanno i fondamenti degli LBM e come possono essere adattati per affrontare vari scenari di meccanica dei solidi.
Un altro insieme di lezioni tratta del metodo degli elementi finiti dei minimi quadrati (LSFEM), che fornisce un quadro robusto per risolvere un'ampia gamma di problemi ai valori limite. Le formulazioni teoriche e algoritmiche sono derivate per applicazioni nella meccanica dei solidi. Inoltre, vengono discussi e applicati metodi misti di elementi finiti che considerano formulazioni lineari e non lineari ai problemi di analisi ingegneristica.
I metodi degli elementi virtuali (VEM) hanno un'ampia gamma di applicazioni. Il VEM rappresenta una nuova tecnica moderna di discretizzazione numerica capace di gestire geometrie complesse e proprietà dei materiali eterogenee. Le lezioni forniscono agli studenti le basi teoriche e un'esperienza pratica nell'utilizzo dei VEM per risolvere problemi di meccanica dei solidi in modo efficiente e accurato.
Una descrizione completa del campo dell'elettromagnetomeccanica sarà discussa, partendo dalle equazioni di Maxwell e Cauchy, passando a formulazioni computazionali sofisticate e terminando con tecnologie pratiche degli elementi finiti. Con un focus primario sulle grandi deformazioni, il corso tratterà aspetti fondamentali come la ben-ponibilità e tecniche specifiche di discretizzazione spaziale. Per applicazioni nella robotica morbida (cioè Polimeri Elettro-Attivi), lo sviluppo di integratori temporali che preservano la struttura e modelli costitutivi di tipo Machine Learning basati sui dati dimostrerà un'ampia gamma di applicazioni realistiche.
Questo corso esplora e mette in discussione criticamente l'uso del machine learning (ML) nelle applicazioni di meccanica dei solidi. Il ML si è dimostrato uno strumento utile per ridurre i costi computazionali e consentire rappresentazioni accurate dei dati che vanno dagli esperimenti a simulazioni ad alta fedeltà. Le lezioni coprono i principi delle tecniche di ML e discutono le loro possibilità di risolvere equazioni differenziali parziali, facilitare problemi multiscala e descrivere il comportamento costitutivo.
Ulteriori lezioni esploreranno l'automazione delle tecniche di discretizzazione nel contesto dei metodi numerici discussi nel corso. Sarà dimostrato che l'automazione aiuta a sviluppare tecniche di discretizzazione emergenti più complesse come il metodo degli elementi virtuali.
Il corso sarà di interesse per dottorandi e ricercatori post-dottorato provenienti dal mondo accademico e dall'industria. I partecipanti acquisiranno competenze nell'impiego di diversi metodi numerici per modellare e simulare con precisione una vasta gamma di fenomeni della meccanica dei solidi.