Dept. of Physics and INFN, University of Roma, Tor Vergata
Via della Ricerca Scientifica 1, 00133, Roma, Italy
skype live:chiaracalascibetta
email calascibetta@roma2.infn.it; calascibetta.chr@gmail.com
English version
___________________________________________________________________________________
Chiara Calascibetta is a PhD student (Dept. Of Physics University of Rome Tor vergata) and she works under the supervision of Prof. Luca Biferale, in collaboration with Dr. M. Cencini (CNR, Rome), Dr. A. Celani (ICTP, Trieste) and Dr. F. Borra (LPENS, Paris).
She is specializing in the field of Statistical Mechanics with interest in turbulent and complex systems. Her main research activity is focused on the study of control problems using both data-driven (Reinforcement Learning) and equation-informed (Optimal Control) approaches. In particular, she is studying systems of Lagrangian active particles navigating in complex fluids, optimizing their navigation in order to achieve specific goals (i.e., from a theoretical point of view, in order to understand which are the most important degrees of freedom involved in the dynamics).
AWARDS & SCHOLARSHIPS:
Italian version
___________________________________________________________________________________
Chiara Calascibetta è una studentessa di dottorato presso il Dipartimento di Fisica dell'Università degli studi di Roma Tor Vergata. Lavora sotto la supervisione del Prof. Luca Biferale e in collaborazione con il Dr. M. Cencini (CNR, Roma), il Dr. A. Celani (ICTP, Trieste) e il Dr. F. Borra (LPENS, Parigi).
Si sta specializzando nel campo della Meccanica Statistica, con interesse per i sistemi complessi e turbolenti. La sua principale attività di ricerca verte sullo studio dei problemi di controllo, utilizzando sia metodi basati sui dati (data-driven) come Reinforcement Learning e altri algoritmi AI, che approcci analitici basati sulla teoria del controllo ottimale. In particolare, sta studiando la dinamica di particelle attive Lagrangiane all'interno di fluidi complessi, ottimizzando la loro navigazione al fine di raggiungere obiettivi specifici, quali ad esempio minimizzare il tempo di navigazione. Da un punto di vista teorico, ciò può essere tradotto come capire quali sono i gradi di libertà più sensibili coinvolti nella dinamica.
Calascibetta, C., Giraldi, L., El Khiyati, Z. And Bec, J. Effects of collective patterns, confinement, and fluid flow on active particle transport. arXiv preprint arXiv:2409.15286 (2024) (under review).
Calascibetta, C., Biferale, L., Borra, F. et al. Optimal tracking strategies in a turbulent flow. Commun Phys 6, 256 (2023). https://doi.org/10.1038/s42005-023-01366-y
ID | Nome del Corso | Semestre | Durata | CFU |
---|