ph3Posizione post-doc in ambito Intelligenza Artificiale e multimodale per le scienze fisiche e naturali /h3 /brpSede di lavoro: Genova /p /brpPer l'Istituto Italiano di Tecnologia (IIT) cerchiamo un/una PhD con competenze avanzate in machine e deep learning, con particolare attenzione agli approcci multimodali, da inserire nel team di ricerca AIGO, dedicato allo sviluppo di soluzioni AI per le scienze fisiche e naturali con l'obiettivo di integrare il rigore dei modelli fisici con la potenza dei metodi di deep learning.
/p /brpContinua a leggere l'annuncio se: /p /brul /brliDurante il dottorato (o post-doc) hai lavorato su ML, DL e modelli multimodali, applicandoli a fisica, chimica, materiali, neuroscienze o discipline affini.
/li /brliTi interessa l'intersezione tra AI e scienze fisiche/naturali, integrando dati sperimentali, simulazioni e conoscenza scientifica /li /brliVuoi proseguire nella ricerca, in un contesto internazionale, multidisciplinare e orientato alla pubblicazione /li /br /ul /brpNon è l'annuncio per te se: /p /brul /brliCerchi un posto a tempo indeterminato /li /brliTi occupi di Generative AI generica (LLM, chatbot, prompt engineering) senza base solida di Machine/Deep Learning né applicazioni scientifiche /li /brliHai competenze generiche di Machine Learning o Data Science, ma non hai svolto attività di ricerca su problemi scientifici complessi /li /br /ul /brh3Per chi ti stai candidando /h3 /brpLe persone selezionate lavoreranno all'interno dell'Istituto Italiano di Tecnologia (IIT), nato con lo scopo di promuovere lo sviluppo tecnologico del nostro Paese e l'alta formazione tecnologica, favorendo così lo sviluppo del sistema produttivo nazionale.
/p /brpLa figura selezionata entrerà a far parte del gruppo di ricerca Artificial Intelligence for Good (AIGO), coordinato dal Prof. Vittorio Murino, punto di riferimento a livello internazionale nel campo dell'Intelligenza Artificiale.
/p /brpIl gruppo, composto ormai da circa 25 persone tra dottorandi, post-doc e ricercatori, si occupa dello studio di modelli di apprendimento in presenza di dati imperfetti, in particolare in scenari multimodali, affrontando contesti di apprendimento non supervisionato, semi-supervisionato, auto-supervisionato, con dati etichettati in modo debole o rumoroso, sbilanciati o distorti.
Le aree di ricerca comprendono inoltre domain adaptation e generalization, few/zero-shot learning, continual learning e learning con dati biasati.
/p /brpIl gruppo lavora anche su modelli generativi con particolare attenzione ai più recenti foundation models multimodali, inclusi i Large Language Models (LLM) e i Vision and Language Models (VLM).
Ulteriori linee di ricerca riguardano lightweight machine learning per sviluppare tecnologie AI a basso consumo energetico, anche per applicazioni su dispositivi edge (es. robot).
/p /brpCoerentemente con l'attenzione posta sul benessere delle persone, AIGO intende progettare fin dalle fondamenta metodi AI che incorporino aspetti etici, di privacy e fairness, nonché robustezza, orientandosi verso tecniche di deep learning che siano spiegabili, affidabili e trasparenti.
Le principali applicazioni riguardano l'ambito biomedicale, biologico, neuroscientifico e sanitario in generale /p /brpAIGO beneficia inoltre della collaborazione con numerose università e centri di ricerca internazionali, in particolare con le università più vicine di Genova e Verona.




/p /brh3Il progetto /h3 /brpPer questa posizione il focus è sull'applicazione dell'AI alle scienze fisiche e naturali: fisica, chimica, scienza dei materiali, meteo, biologia, neuroscienze.
Sono ambiti che generano enormi quantità di dati multimodali (rilevazioni meteorologiche, scansioni radar, parametri fisici e ambientali, simulazioni), un terreno quindi ideale per tecniche AI.
/p /brpFinora, molte linee di ricerca in questi campi si sono basate solo su sistemi di simulazione costruiti su leggi fisiche, come le equazioni differenziali.
L'obiettivo di questa posizione è esplorare sistemi ibridi, capaci di unire il rigore di queste leggi alla versatilità dei modelli AI addestrati su dati di campo, annotati o meno.
In questo scenario, l'evoluzione rapida dei modelli AI apre nuove strade per le applicazioni scientifiche.
/p /brpAIGO è il contesto ideale per lavorare su questi temi: il gruppo ha una solida expertise in Machine e Deep Learning, Computer Vision, elaborazione del segnale e multimedia, ed è abituato a lavorare con dati imperfetti e multimodali.
/p /brpAIGO beneficia inoltre della collaborazione con numerose università e centri di ricerca internazionali, in particolare con le università più vicine di Genova e Verona.
Fa parte inoltre di ELLIS: rete europea di eccellenza in Intelligenza Artificiale (AI), Machine Learning (ML) e Computer Vision (CV), di cui il Prof. Murino è membro Fellow.
/p /brh3Di che cosa ti occuperai: /h3 /brpAll'interno del team, la persona selezionata si occuperà in particolare di: /p /brul /brliCondurre attività di ricerca sui temi chiave della linea AIGO, nell'ambito del programma IIT "Teaching Science to Computers", in collaborazione con il resto del team, con focus iniziale su scienza dei materiali, chimica e neuroscienze, senza escludere altri possibili temi /li /brliSupervisionare le attività di ricerca di dottorandi nel team /li /brliContribuire a pubblicazioni su riviste scientifiche e conferenze di alto livello /li /brliSupportare la preparazione di proposte progettuali per bandi nazionali, internazionali e industriali /li /br /ul /brh3Chi stiamo cercando /h3 /brpSi prenderanno in considerazione bsolo candidature provenienti da persone con Dottorato di Ricerca /b in discipline affini al progetto, come Machine Learning, Computer Vision, Computer Science, Fisica, Chimica, Scienza dei Materiali, Ingegneria, Matematica o simili, con focus sulle tematiche relative al progetto.
Si richiede inoltre bdocumentata esperienza di pubblicazione /b nelle tematiche rilevanti per la posizione.
/p /brh3Sono considerate inoltre competenze tecniche imprescindibili: /h3 /brul /brliEsperienza documentata di Machine Learning e Deep Learning applicata a problemi di fisica, chimica, scienza dei materiali, neuroscienze o discipline scientifiche affini.
/li /brliPadronanza dei moderni approcci di deep learning, tra cui convnets, Graph Neural Networks (GNNs),Transformers, modeli generativi (e.g., GAN, diffusion models, flow matching, etc.), etc.
/li /brliOttime capacità di programmazione, preferibilmente in Python,



con competenze pratiche nell'uso di framework per AI e deep learning (es. PyTorch, TensorFlow o equivalenti) /li /brliConoscenza a livello competente della lingua inglese, scritta e parlata /li /brliSolida produzione scientifica su riviste e conferenze riconosciute nel settore /li /br /ul /brh3Sono considerati requisiti preferenziali, anche se non imprescindibili: /h3 /brul /brliConoscenza o esperienza su approcci multimodali e su tematiche come domain adaptation, few/zero-shot learning, self-supervised learning /li /brliEsperienza in Computer Vision /li /brliConoscenza di modelli impliciti (NeRF, neural rendering, Gaussian splatting) /li /brliConoscenza di modelli generativi profondi (es. GANs, diffusion models, encoder-decoder architectures, optimal transport models, Flow Matching) /li /brliConoscenza e utilizzo di graph neural networks in ambito scientifico /li /brliEsperienza nel fine-tuning e deployment di modelli DL, inclusi LLM e VLM /li /brliEsperienza pratica nel deployment di modelli su infrastrutture HPC /li /brliEsperienze pregresse in progetti nazionali o internazionali, anche in fase di scrittura progettuale o rendicontazione /li /brliConoscenza anche minima della lingua italiana /li /br /ul /brh3Competenze trasversali /h3 /brpCerchiamo persone che condividano l'obiettivo di AIGO di sviluppare metodi AI capaci di affrontare problemi scientifici complessi in ambito fisico, chimico, dei materiali e neuroscientifico.
Completano il profilo la capacità di integrarsi in contesti multidisciplinari e multiculturali, con la flessibilità di lavorare in autonomia nei momenti opportuni e di contribuire attivamente al lavoro di squadra.
È richiesto infine il mindset tipico di chi ha fatto ricerca, caratterizzato dalla forte propulsione all'innovazione e all'apprendimento continuo, sapendo combinare la creatività con l'orientamento al risultato e la capacità di gestire il tempo e le priorità.
/p /brpLe persone saranno inserite con un contratto post-doc di 12 mesi, rinnovabile per ulteriori 12, con un range di RAL prevista tra i *****K.
La RAL effettiva sarà determinata con i proponenti sulla base della valutazione delle competenze ed esperienze del/la candidato/a.
/p /brpNel contratto è compresa anche la copertura sanitaria privata, oltre a un'ampia gamma di scontistiche dedicate al personale.
/p /brpLa posizione prevede flessibilità oraria e la possibilità di ricorrere allo smart working in modo saltuario o in caso di necessità.
È comunque richiesta la disponibilità a trasferirsi a Genova o nei dintorni.
Candidati provenienti dall'estero, o cittadini italiani che abbiano svolto attività di ricerca scientifica in modo continuativo all'estero e soddisfino determinati requisiti, possono avere diritto a una riduzione dell'imponibile fiscale fino al 90%, per un periodo compreso tra 6 e 13 anni.
/p /brpAll'interno dell'IIT vi sono inoltre diversi uffici che possono supportare per questioni amministrative o burocratiche, per esempio in caso di trasferimento o desideri di entrepreneurship.
/p /brh3Oltre alla RAL c'è di più: /h3 /brpUnendoti al team AIGO dell'IIT potrai lavorare su problemi scientifici concreti e ancora aperti, all'intersezione tra Intelligenza Artificiale, scienze fisiche e naturali, dati sperimentali e simulazioni, contribuendo non soltanto all'applicazione dei modelli, ma anche allo sviluppo di nuovi approcci metodologici capaci di integrare conoscenza scientifica e deep learning.
/p /p #J-*****-Ljbffr

📌 Machine Learning Researcher (Genova)
🏢 Find Your Doctor
📍 Genova