Obiettivi Formativi

Il corso si propone di fornire conoscenze e competenze sulle tecniche computazionali per l’analisi dati e l’elaborazione delle immagini, sull’analisi delle componenti principali (PCA) e sulle tecniche di programmazione per l’intelligenza artificiale. Questi approcci sono applicati ed ottimizzati per l’analisi e la modellazione di argomenti di interesse nel campo della Fisica degli Stati Condensati, quali: • proprietà di trasporto ed ottiche in solidi e fluidi; • procedure di fitting di dati sperimentali; • simulazione di nanostructure; • fenomeni oscillatori/ondulatori con trasformata di Fourier.

Learning Goals

Knowledge and expertise on computational science for data analysis (acquisition, mining, handling, visualization) and image processing, including hints on analysis of the main component (PCA) and Artificial Intelligence. These approaches will be applied and optimized for the analysis and modelling of Condensed Matter Physics relevant topics, such as: • transport and optical properties of solid and fluids; • curve fitting of experimental data; • computational modeling of nanostructures; • oscillatory/wave phenomena by Fourier transform.

Metodi didattici

Lezioni frontali- Esercitazioni individuali in laboratorio - Redazione di una relazione per le analisi e la modellazione di argomenti di interesse nel campo della Fisica degli Stati Condensati (scadenza di consegna circa una settimana dalla prova)

Teaching Methods

- Classroom lectures- Laboratory experiments carried out individually - Report writing for the analysis and modeling of topics of interest in the field of condensed state physics (due within about a week since the test)

Prerequisiti

Familiarità con le tecniche di programmazione, con i software di analisi dati e la visualizzazione grafica. Analisi di Fourier. Conoscenze di analisi statistica, calcolo delle probabilità e di tecniche di programmazione orientata agli oggetti.

Prerequisites

Familiarity with programming tools, with data analysis software and graphic visualization. Fourier analysis. Statistical analysis, probability calculation, object-oriented programming.

Verifiche dell'apprendimento

- Valutazione relazioni predisposte per l’analisi e la modellazione di argomenti di interesse nel campo della Fisica della Materia Condensata (propedeutico per l’accesso alla prova orale) - Esame orale

Assessment

Laboratory reports evaluation for the analysis and modeling of topics of interest in the field of condensed state physics (mandatory for access to oral test) - Oral test

Programma del Corso

Introduzione alla notazione e agli strumenti base di Matlab - Elaborazione digitale delle immagini - Filtraggio nel dominio della frequenza,. Analisi dati ed approccio statistico (Principal Component Analysis PCA) – Best-fit di una curva sperimentale. Combinazione di funzioni Matlab e IPT per analizzare tematiche della Fisica della Materia Condensata come la modellazione computazionale delle nanostrutture e l'analisi dei fenomeni oscillatori mediante Trasformata di Fourier. Programma esteso: Introduzione all’uso del software MATLAB (Matlab Editor per creare file M, array, stringhe e strutture di celle) - Generazione di numeri casuali - Indicizzazione logica - Analisi statistica e di cluster: gestione e organizzazione dei dati, filtraggio e visualizzazione dei dati, statistiche descrittive (analisi dei componenti principali PCA e cluster gerarchici), applicate a casi studio di Fisica della Materia Condensata. Elaborazione del segnale e sottrazione di fondo – Procedure di best- fit: adattamento del modello ai risultati sperimentali ed algoritmo di ottimizzazione non lineare per scomporre un segnale complesso e sovrapposto nelle sue parti componenti - Modellazione computazionale di nanostrutture plasmoniche. Rappresentazione di immagini digitali- Conversione tra classi di dati e tipi di immagine- Elaborazione delle immagini a colori-compressione dell'immagine, codifica, elaborazione morfologica e segmentazione dell'immagine. Introduzione alla programmazione M-funzionale- Elaborazione di istogrammi e rappresentazione delle funzioni- Filtro spaziale- Elaborazione nel dominio della frequenza: la trasformata di Fourier discreta in 2D - Filtri nel dominio della frequenza. Casi studio su fenomeni oscillatori/ondulatori attraverso la Trasformata di Fourier. Introduzione ai modelli tipici della rete neurale, modellizzazione dell'intelligenza artificiale e programmazione orientata agli oggetti in ambiente MATLAB.

Course Syllabus

Introduction to notation and basic Matlab tools – Digital image processing- Intensity transformation- filtering in the frequency domain. Data analysis and statistical approach (Principal Component Analysis PCA)- curve fitting of experimental data. Matlab and IPT functions code to analyze applications in Condensed Matter Physics such as computational modeling of nanostructures and analysis of oscillatory/wave phenomena by Fourier transform. Extended content: Background on MATLAB (Matlab Editor to create M-files, Cell arrays, string and structures)- Random number generation- Logical indexing - Statistical and Cluster Analysis: data management and organization, data filtering and visualization, descriptive statistics (Principal Component Analysis PCA, Hierarchical Clustering) applied to Condensed Matter Physics case studies. Signal processing and background substraction- Model fitting of experimental data and non-linear optimization algorithm to decompose a complex, overlapping-peak signal into its component parts- Computational modeling of plasmonic nanostructures. Digital Image Representation- Converting between data classes and image types- Geometric transformations and image registration- color image processing- image Compression, coding, morphological image processing and image segmentation. Introduction to M-Functional Programming- Histogram Processing and Function Plotting- Spatial Filtering- Frequency Domain Processing: The 2-D discrete Fourier Transform- Filtering in the Frequency Domain. Case studies on oscillatory/wave phenomena by Fourier transform. Introduction to Neural Network, Artificial Intelligence modeling and Object-Oriented programming in MATLAB.