PostdocMatematica, fisica e chimica
Machine learning e modellazione integrata per la caratterizzazione degli ensemble conformazionali di acidi nucleici non canonici
Deadline29 ottobre 2026
Pubblicato13 ottobre 2026
Aggiornamento scheda14 ottobre 2026
Settore scientifico-disciplinare (SSD)PHYS-03/A - Fisica sperimentale della materia e applicazioni
Gruppo scientifico-disciplinare (GSD)02/PHYS-03 - FISICA SPERIMENTALE DELLA MATERIA E APPLICAZIONI
DurataDa bando ufficiale
ImportoDa bando ufficiale
LinguaIT/EN
Argomento o descrizione del bando
Il progetto mira a sviluppare e applicare approcci di machine learning e modellazione integrata per caratterizzare gli ensemble conformazionali di acidi nucleici non canonici, con particolare attenzione ai G-quadruplex. Dati sperimentali ottenuti mediante tecniche spettroscopiche e di scattering saranno combinati con simulazioni multiscala e metodi data-driven. L'obiettivo è identificare descrittori strutturali e re...
Requisiti principali
- Requisiti indicati nel bando ufficiale
Opportunità correlate
- Sviluppo di un nuovo codice di ricostruzione dati per l’esperimento NA64 al CERN. — INFN - Istituto Nazionale di Fisica Nucleare · Scadenza: 16 ottobre 2026
- Studi di basse energie applicati a detector per ricerca materia oscura e misura della massa del neutrino — LA SAPIENZA UNIVERSITA' · Scadenza: 19 ottobre 2026
- No time for cosmology: Decoding dynamics from static cosmological correlations — Scuola Normale Superiore · Scadenza: 19 ottobre 2026