View syllabus
COMPUTATIONAL MODELS FOR COMPLEX SYSTEMS
PAOLO MILAZZO
Academic year2020/21
CourseCOMPUTER SCIENCE
Code647AA
Credits6
PeriodSemester 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
COMPUTATIONAL MODELS FOR COMPLEX SYSTEMSINF/01LEZIONI48
PAOLO MILAZZO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Gli studenti acquisiranno conoscenze sulle principali metodologie di modellazione computazionale, le principali tecniche di analisi basate su modelli e i principali principi di modellazione per sistemi complessi costituiti da componenti interattivi.

Knowledge

Studends will acquire some knowledge about the main computational modelling methodologies, the main model-based analysis techniques, and the main modelling principles for complex systems made of interactive components.

Modalità di verifica delle conoscenze

Nel contesto dell'esame gli studenti dovranno dimostrare familiarità con le metodologie di modellazione e analisi presentate nel corso.

Assessment criteria of knowledge

In the context of the exam students will have to demostrate familiarity with the modelling and analysis methodologies presented in the course.

Capacità

Gli studenti impareranno come applicare tecniche di modellazione e analisi computazionale per studiare le proprietà dinamiche di sistemi complessi da qualsiasi dominio applicativo.

Skills

Students will learn how to apply computational modelling and analysis techniques to study dynamical properties of complex systems from any application domain.

Modalità di verifica delle capacità

Nel contesto dell'esame, gli studenti dovranno dimostrare di essere in grado di ragionare su un caso di studio in cui viene utilizzata la modellazione computazionale per indagare le proprietà di un sistema complesso.

Assessment criteria of skills

In the context of the exam, students will have to demostrate to be able to reason about a case study in which computational modelling is used to investigate properties of a complex system.

Comportamenti

Gli studenti acquisiranno e / o svilupperanno una consapevolezza sugli obiettivi e l'applicabilità delle metodologie di modellazione computazionale.

Behaviors

Students will acquire and/or develop an awareness on the aims and the applicability of computational modelling methodologies.

Modalità di verifica dei comportamenti

Nel contesto dell'esame, gli studenti dovranno dimostrare la consapevolezza sugli obiettivi e l'applicabilità delle metodologie di modellazione computazionale.

Assessment criteria of behaviors

In the context of the exam, students will have to demostrate awareness on the aims and the applicability of computational modelling methodologies.

Prerequisiti (conoscenze iniziali)

Nozioni di base di matematica e informatica, ad es. teoria degli insiemi, teoria della probabilità, algoritmi e abilità di programmazione.

Prerequisites

Basic mathematical and computer science notions, e.g. set theory, probability theory, algorithms and programming skills.

Indicazioni metodologiche

Lezioni frontali con slides.

Teaching methods

Lectures with slides.

Programma (contenuti dell'insegnamento)

Bozza di syllabus:

- Sistemi complessi: concetti di base e relazioni tra interazione di componenti e dinamiche di popolazione

- Sistemi dinamici discreti e continui: relazioni di ricorrenza, equazioni differenziali e algoritmi di simulazione numerica

- Modellazione di sistemi complessi tramite regole: la metafora delle reazioni chimiche

- Modellazione e simulazione stocastica: l'algoritmo di Gillespie

- Dinamica di sistemi complessi in termini di sistemi di transizione: sitemi di transizione probabilistici/stocastici e il tool di model checking PRISM

- Notazioni dall'informatica teorica: multiset rewriting, P systems e Reti di Petri

- Simulazioni a eventi discreti, automi cellulari e modellazione ad agenti

- Applicazioni: casi di studio in biochimica, ecologia, epidemiologia, scienze sociali e manifattura

Syllabus

Draft syllabus:

- Complex systems: basic concepts and the relationships between component interaction and population dynamics

- Discrete and Continuous Dynamical Systems: recurrence relations, differential equations and numerical simulation algorithms

- Rule-based modelling of complex systems: the chemical-reaction metaphor

- Stochastic modelling and simulation methods: Gillespie's algorithm

- Complex systems dynamics in terms of transition systems: probabilistic/stochastic transition systems and the PRISM model checking tool

- Modelling notations from theoretical computer science: multiset rewriting, P systems and Petri nets

- Discrete event simulation, cellular automata and agent-based modelling

- Applications: selected case studies from biochemistry, ecology, epidemiology, social sciences and manufactury

 

Bibliografia e materiale didattico

Dispense, slides e articoli scientifici forniti durante il corso

Bibliography

Lecture notes, slides and scientific papers.

Indicazioni per non frequentanti

Tutto il materiale didattico sarà messo a disposizione tramite la pagina web del corso.

Non-attending students info

All the teaching material will be made available on the web page of the course.

Modalità d'esame

L'esame consiste in una presentazione, in un piccolo progetto o in una prova orale standard. Da concordare con l'insegnante.

Assessment methods

The exam consists in either a presentation, or a small project, or a standard oral test. To be agreed with the teacher.

Note

Nessuna

Notes

None

Updated: 14/09/2020 00:15