Offerta formativa anno accademico 2025/2026


Elenco delle attività formative previste per i dottorandi del primo anno
Job Scheduling and Dispatching
data presunta: Febbraio-Marzo 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Andrea Baiocchi qualifica: Professore affiliazione: Italiana
programma delle attività: Lezione 1: Introduzione all'ingegneria del traffico di rete. Richiami sulla probabilità, trasformate delle distribuzioni di probabilità. Modello del sistema dei servizi e sue componenti. Metriche delle prestazioni. Arrivi: processo di Poisson. Lezione 2: Variabilità e code. Paradosso dell'ispezione. Leggi di funzionamento dei sistemi di servizio. Legge di Little. Analisi delle modifiche per sistemi chiusi. Lezione 3: Sistemi a server singolo: la coda M/G/1. Analisi EMC della coda M/G/1. Lunghezza media della coda: formula P-K. mpatto del ritardo nelle applicazioni. Definizioni di scheduling e dispacciamento dei lavori. Lezione 4: Server singoli o multipli. Politiche non preventive e non basate sulla conoscenza del tempo di servizio: FCFS, LCFS, ordine casuale. Politiche non preventive e basate sulle conoscenza del tempo di servizio. Legge di conservazione per i sistemi HOL. Priorità HOL. SJF. Lezione 5: Politiche preventive e non basate sulla conoscenza del tempo di servizio. Condivisione del processore. Implementazione pratica: Round Robin. GPS, WFQ, CBS. Least Attained Service (LAS). Politiche preventive e basate sulle conoscenza del tempo di servizio. SRPT. Equità, teorema del “tutti possono vincere”. Lezione 6: Sistemi multiserver. Confronto con sistemi a server singolo. Esempio di sistemi a due server. Dispacciamento del lavoro: classificazione degli approcci: politiche push e pull. Politiche di assegnazione del lavoro: RANDOM, Round Robin, JSQ, JIQ, JBT-r, SITA, LWL. Analisi e dimensionamento del JBT-r. JBT adattivo.
modalità di accertamento finale: Esercizi assegnati durante le lezioni
Analytical Techniques for Wave Phenomena
data presunta: Settembre-Ottobre 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 36
docente del corso: Paolo Burghignoli qualifica: Professore affiliazione: Italiana
programma delle attività: Lezione 1: Olomorfia, funzioni elementari, introduzione alle superfici di Riemann. Lezione 2: Integrazione complessa, teorema di Cauchy e sue conseguenze, serie di potenze, singolarità, residui. Lezione 3: Introduzione, successioni asintotiche ed esempi elementari. Lezione 4: Serie asintotica di Luneburg-Kline, ottica geometrica. Lezione 5: Valutazione asintotica di integrali: integrazione per parti, lemma di Watson, metodo di Laplace, metodo della fase stazionaria. Lezione 6: Il metodo del punto di sella. Lezione 7: Dipolo verticale su singola interfaccia: onde spaziali, laterali, plasmoniche, di Zenneck. Lezione 8: Dipolo verticale su strato dielettrico con piano di massa: onde superficiali e leaky. Lezione 9: Semipiano PEC: soluzione elementare e metodo di Wiener-Hopf. Lezione 10: Semipiano resistivo: soluzione alla Wiener-Hopf e valutazione asintotica uniforme del campo. Lezione 11: Funzioni d’onda sferiche; dipolo su sfera PEC, trasformazione di Watson e creeping waves. Lezione 12: Scattering di onde piane da sfere PEC e dielettriche; l’arcobaleno e la gloria.
modalità di accertamento finale: Discussione di un argomento del corso
Generative Deep Learning
data presunta: Giugno 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Danilo Comminiello qualifica: Professore affiliazione: Italiana
programma delle attività: INTRODUCTION TO GENERATIVE DEEP LEARNING. Generative modeling and probabilistic generative models. Deep neural networks. Building deep network models. Learning latent representations. GENERATIVE AUTOREGRESSIVE MODELS. Autoregressive models. Parameterization by neural networks. Generation examples. GENERATIVE FLOW-BASED MODELS. Flows for continuous and discrete random variables. Invertible transformation of complex distributions. Normalizing flows. VARIATIONAL AUTOENCODERS. Probabilistic principal component analysis. Variational inference. Variational autoencoders (VAEs) and modern deep VAE architectures. GENERATIVE ADVERSARIAL NETWORKS. Generator and critic. Training generative adversarial networks (GANs). Optimization and loss functions of GANs. ENERGY-BASED MODELS. Likelihood-based learning. Energy based models (EBMs) with latent variables. Self-supervised learning with EBMs. DIFFUSION AND SCORE-BASED MODELS. Approach of the diffusion models, advanced diffusion models, score-based models and their applications.
modalità di accertamento finale: Small project assignment on one of the course topics
Dalla filosofia della scienza alla metaprogettazione
data presunta: Settembre 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Enrico De Santis qualifica: Professore affiliazione: Italiana
programma delle attività: Lezione 1: Sulla conoscenza prescientifica e scientifica e altri tipi di conoscenza. Lezione 2: Sui modelli di spiegazione scientifica, modelli deterministici e probabilistici tra riduzionismo e complessità. Lezione 3: Teoria della complessità e caos tra pensiero sistemico, ecosistemi e sistemi biologici. Lezione 4: L'evoluzione della scienza e della tecnologia, tra la nuova fisica del ventesimo secolo e i paradigmi evolutivi. Lezione 5: L'Intelligenza Artificiale e la Complessità sono due discipline che nascondono uno stretto legame teorico e pratico. Lezione 6: L'Intelligenza Artificiale come paradigma di meta-progettazione, l'ultima frontiera tecnologica alla base della rivoluzione cognitiva in corso.
modalità di accertamento finale: Progetti di studio avanzati correlati agli argomenti del corso
Convex Optimization for ICT Engineering
data presunta: Giugno 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Paolo Di Lorenzo qualifica: Professore affiliazione: Italiana
programma delle attività: • Introduction and review of mathematical analysis. Stationary points, convex functions, optimality conditions, operations that preserve convexity. • Unconstrained optimization. Descent methods, steepest descent, (Quasi-)Newton method, convergence conditions. Non-differentiable optimization. Sub-gradients. The sub-gradient method. The proximal gradient method. • Constrained optimization. Convex sets, convex optimization problems, the gradient projection method. Duality theory: The Langrangian, Karush-Kuhn-Tucker conditions. Primal-dual optimization: Dual ascent, alternating direction method of multipliers. • Applications in ICT Engineering. (i) Sparse signal recovery; (ii) Image denoising; (iii) Beamforming for interference suppression; (iv) Waterfilling method for optimal power allocation in frequency selective channels; (v) Support vector machines for data classification; (vi) Traffic flow matrix estimation and anomaly detection.
modalità di accertamento finale: Due scelte possibili: Progetto informatico su uno degli argomenti del corso. Discussione di un articolo scientifico correlato al corso.
Space-Time Adaptive Processing and MIMO Techniques for Radar
data presunta: Giugno 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Pierfrancesco Lombardo qualifica: Professore affiliazione: Italiana
programma delle attività: Lesson 1: Introduction to STAP techniques. DPCA.STAP signal model and its representations Lesson 2: Fully adaptive STAP processors. Derivation and implementation issues Lesson 3: Reduced DOF techniques for practical Implementation and examples Lesson 4: STAP for SAR: detection moving targets inside SAR images. Lesson 5: The MIMO radar principle; its signal model; MIMO radar waveforms Lesson 6: MIMO improvements in detection, DOA estimation, Imaging resolution and STAP
modalità di accertamento finale: Report on the application of STAP techniques against a simulated data set that will be provided by the teacher or alternative study/investigation
La scrittura tecnico-scientifica
data presunta: Febbraio 2026 - tipologia: disseminazione/comunicazione - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Emilio Matricciani qualifica: Professore affiliazione: Italiana
programma delle attività: 1) Il canale di comunicazione. Canali virtuali e canali trasparenti. La comunicazione scritta: linguaggio analogico e digitale, testo e figure, principi generali dell’elaborazione visiva e testuale. Il canale di comunicazione e i disturbi. La qualità del manoscritto tecnico-scientifico. 2) L'eredità dei giganti: l'articolo e le riviste scientifiche. Nascita e sviluppo della scrittura tecnico-scientifica. Evoluzione della struttura canonica. Risultati da vedere: tabelle e figure. Scrittura e creatività. Esempi storici. 3) La pianificazione strategica del manoscritto scientifico. Le tre funzioni del manoscritto. Struttura fondamentale del manoscritto (informativo, persuasivo, motivazionale). Organizzazione e indice del manoscritto. La struttura canonica. 4) Dalla prima versione alla versione definitiva. Revisione del contenuto, dei paragrafi, delle frasi, delle parole. Formule di leggibilità. 5) Scrivere e pubblicare. Scientometria e indici bibliometrici. Riviste scientifiche e revisione di un articolo. Etica e frodi scientifiche.
modalità di accertamento finale: Prova scritta
Statistical Signal Processing with Radar Applications
data presunta: Febbraio 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Danilo Orlando qualifica: Professore affiliazione: Italiana
programma delle attività: Lezione 1: Estimation Theory (3 hours). Lezione 2: Estimation of non random parameters (3 hours). Lezione 3: Direction of Arrival Estimation (4 hours). Lezione 4: Estimation of random parameters and spatial filtering (4 hours). Lezione 5: Detection Theory (4 hours).
modalità di accertamento finale: Lo studente dovrà produrre e discutere una presentazione su un articolo scientifico dove sono usate le tecniche presentate nel corso
Quantum Computing and Quantum Machine Learning
data presunta: Settembre 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Massimo Panella qualifica: Professore affiliazione: Italiana
programma delle attività: 1. Fondamenti teorici del calcolo quantistico 1.1 Introduzione ai sistemi quantistici moderni, qubit, misura, quantum gate singole e multiple per modelli circuitali quantistici. 2. Proprietà dei sistemi quantistici 2.1 Sovrapposizione, entanglement e parallelismo quantistico. 2.2 Conseguenze della computazione quantistica. 3. Principali Algoritmi e Protocolli Quantistici 3.1 Algoritmo di Deutsch-Jozsa, Algoritmo di Grover, Algoritmo di Shor. 3.2 Teletrasporto Quantistico e Codifica Superdensa. 4. Rappresentazione dei Dati in Computer Quantistici 4.1 Codifica di base. 4.2 Codifica di ampiezza. 4.3 Codifica di angolo e di ordine superiore. 5. Circuiti Variazionali e Modelli di Quantum Machine Learning 5.1 Apprendimento ibrido per Algoritmi Variazionali. 5.2 Quantum Kernels. 5.3 Ansatz and strategia di codifica dell’informazione. 5.4 Calcolo del gradiente coi circuiti quantistici variazionali. 6. Applicazioni 6.1 Quantum Support Vector Machines e Quantum Kernels a confronto con i Classical Kernels. 6.2 Quantum Generative Adversarial Networks per la generazione efficiente di dati sintetici. 6.3 Quantum Convolutional Neural Networks per la classificazione di immagini.
modalità di accertamento finale: Discussione di un articolo scientifico o di un compito assegnato relativo al corso
Management in the Digital Economy
data presunta: Febbraio 2026 - tipologia: trasferimento tecnologico/imprenditoria - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Cesare Pisani qualifica: Studioso o esperto di aziende o istituzioni culturali o sociali affiliazione: Estera
programma delle attività: Lezione 1: L’era digitale: Opportunità e Minacce. Distruzione Creativa. Dinamiche Innovation Dynamics Gartner Hype Cycle. Web 1.0, 2.0 and 3.0. Concorrenza e Modelli di Business. Social Networks Lezione 2: Harvard C. Christiansen Dilemma dell’Innovatore: Perchè e come piccole startup possono causare il fallimento di grandi gruppi industriali? Un caso emblematico: VoIP a un caso vissuto in prima persona. Lezione 3: Artificial Intelligence: Neural Networks. Deep Learning. Supervised and unsupervised learning. Backward Propagation. Transformers, GenAI, ChaGPT, Bard, Anthropic. Applicazioni industriali dell’AI. Problemi etici. Lezione 4: Blockchain, la tecnologia core del future? Proof of Work vs Proof of Stake. Cryptocurrencies (Bitcoin and Alt coin), Ethereum and Blockchain programmabile applicatioi p (Smart Contracts, Decentralized Finance, NFT and Copyrights on the Blockchain). Lezione 5: L’IT “classica”: Business Analysis, IT Governance, Enterprise Systems; Cyber Security. Lezione 6: Smart Manufacturing (i4.0); Cloud and Edge Computing; 5G and LEO Sat Communications
modalità di accertamento finale: Discussione di un caso di tecnologia dirompente
Complex Systems Modelling by Granular Computing
data presunta: Giugno 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Antonello Rizzi qualifica: Professore affiliazione: Italiana
programma delle attività: Lezione 1: Intelligenza Artificiale e Machine Learning Lezione 2: Clustering e Big Data Mining; Calcolo evolutivo Lezione 3: Complessità, Kauffman’s NK-networks, Recurrence quantification analysis Lezione 4: Pattern Recognition in domini non convenzionali, distanze di edit Lezione 5: Procedure di embedding per sistemi complessi, istogrammi simbolici Lezione 6: Sistemi Evolutivi Multi Agente per la modellazione di sistemi complessi
modalità di accertamento finale: Breve tesina sui temi del corso
Hyperdimensional Computing and Vector Symbolic Architectures for Artificial Intelligence
data presunta: Marzo 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Antonello Rosato qualifica: Ricercatore affiliazione: Italiana
programma delle attività: 1. Introduzione al Calcolo con Vettori ad Alta Dimensionalità 1.1 Panoramica del Calcolo Tradizionale 1.2 Introduzione all'Hyperdimensional Computing (HDC) 1.3 Vector Symbolic Architectures (VSA) 2. Panoramica dei Diversi Modelli HDC/VSA 2.1 (Fourier) Holographic Reduced Representation 2.2 Binary Spatter Code 2.3 Multiply Add Permute 2.4 Sparse Binary Distributed Representations 2.5 Altri Modelli 3. Rappresentazione e Manipolazione di Strutture Dati 3.1 Codifica e Decodifica in HDC 3.2 Manipolazione di Strutture Dati in HDC 4. HDC/VSA e Intelligenza Artificiale 4.1 Vettori ad Alta Dimensionalità come Input/Output di Reti Neurali (Randomizzate) 4.2 HDC/VSA nella Progettazione di Modelli di Intelligenza Artificiale 4.3 HDC/VSA nell'Intelligenza Artificiale Esplicabile 5. Applicazioni e Implementazioni 5.1 Applicazioni Cognitive di HDC/VSA 5.2 Implementazione di HDC/VSA in Software e Hardware 5.3 Libreria Torch HD 5.4 Tendenze Future e Direzioni di Ricerca
modalità di accertamento finale: Discussione di un articolo scientifico correlato al corso OPPURE progetto pratico su applicazioni verticali, intrinseche ai programmi di ricerca degli studenti e ai loro interessi personali
Nonlinear Optics and Applications
data presunta: Giugno 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 36
docente del corso: Stefan Wabnitz qualifica: Professore affiliazione: Italiana
programma delle attività: 1. Fundamentals of nonlinear optics 1.1 Introduction to nonlinear optics 1.2 Waves and fields 1.3 Maxwell equations 1.4 Linear absorption and refractive index 1.5 Lasers 1.6 Polarization effects 1.7 Group velocity 1.8 General nonlinear optics 2. Quadratic and cubic nonlinear processes 2.1 Quadratic nonlinearity: second harmonic generation 2.2 Difference frequency generation and optical parametric amplification 2.3 Cubic nonlinearity: induced gratings and nonlinear refractive index 2.4 Self-phase modulation and supercontinuum generation 2.5 Optical solitons 2.6 Two photon absorption and Raman scattering. 3. Applications 3.1 Optical communications 3.2 Nonlinear spectroscopy 3.3 Nonlinear microscopy
modalità di accertamento finale: Discussion of a scientific paper related to the course
Python for Data Science
data presunta: Gennaio 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 18
docente del corso: Michele Scarpiniti qualifica: Professore affiliazione: Italiana
programma delle attività: Lesson 1: Python basics and Python data structures. Lesson 2: Python programming fundamentals Lesson 3: Object oriented programming Lesson 4: Main scientific libraries Lesson 5: Working with data Lesson 6: Data manipulation and transformation
modalità di accertamento finale: Small practical project assignment on one of the course topics. The topic can also be agreed based on the student’s PhD research program.
Design of building blocks in integrated SiGe technology for 5G backhauling applications
data presunta: Gennaio-Febbraio 2026 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 12
docente del corso: Pasquale Tommasino qualifica: Ricercatore affiliazione: Italiana
programma delle attività: Lesson 1: Si-Ge technology for millimetre-wave and mixed-signal design Practice: BiCMOS55X process and Cadence environment: schematic, layout, virtuoso Lesson 2: Millimetre-wave transceivers for high dynamic-range receivers Practice: Cadence environment: EMC, DRC, LVS, tiling Lesson 3: Si-Ge transceivers building blocks: LNA and VGA Practice: LNA and VGA design in Cadence environment Lesson 4: Si-Ge transceivers building blocks: I/Q mixer Practice: I/Q mixer design in Cadence environment
modalità di accertamento finale: Discussion of a scientific paper related to the course.

Eventuali maggiori informazioni piano form. 1°a Il piano formativo del primo anno di corso prevede l’acquisizione di un totale di 60 Crediti Formativi Universitari (CFU), suddivisi come illustrato nella tabella soprastante. In particolare:

  • Lo studente dovrà frequentare corsi appartenenti alla categoria dei “Corsi avanzati” per un totale di 12 CFU. I corsi possono essere selezionati tra i corsi di dottorato offerti nello specifico anno accademico (si veda la lista riportata di sotto e poi per maggiori dettagli la sezione del sito web: "Offerta di Corsi di Dottorato" ) o tra corsi di carattere istituzionale avanzato offerti in un corso di laurea magistrale. Affinché sia considerato “avanzato” un corso dovrà obbligatoriamente prevedere un esame con valutazione finale da parte del docente. Se non completata durante il primo anno, l’acquisizione di questi crediti potrà essere completata durante il secondo anno. La scelta dei corsi dovrà tenere conto del background dello studente allo scopo di completare, laddove necessario, la sua formazione nell’ambito specifico di ricerca prescelto. Per alcuni dei corsi offerti è prevista e raccomandata una frequenza posticipata al secondo anno.

  • Seminari e laboratori dovranno essere inclusi per un totale di 6 CFU, con l’obiettivo di essere aperti all’innovazione e prendere confidenza con le attività sperimentali (vedi la sezione Seminari). La frequenza di 3 seminari (certificata dal relatore) dà diritto all’acquisizione di 1 CFU.

  • L’attività di ricerca costituirà la parte principale delle attività svolte (quantificata in 36 CFU). Lo scopo dell’attività di ricerca del primo anno è principalmente quello di acquisire la metodologia scientifica, imparare a lavorare in un gruppo di ricerca, e iniziare a conoscere la comunità di ricerca nazionale e internazionale nell’area di ricerca prescelta.

  • Verranno svolte attività aggiuntive di formazione e ricerca indipendente per un totale di 6 CFU, allo scopo di essere aperti a studi e pratiche non necessariamente strettamente legati al proprio specifico tema di ricerca.

Si noti che 1 CFU di attività di ricerca o di laboratorio può essere approssimativamente quantificato in 20 ore di lavoro.

All’inizio del primo anno si richiederà allo studente di scegliere un Advisor tra i membri del collegio dei docenti del dottorato nonché un tema generale di ricerca. Lo studente verrà presentato al collegio durante il mese di dicembre.

I primi mesi di attività saranno dedicato all’esplorazione dell’area di interesse e alla definizione dello stato dell’arte, iniziando ad acquisire le competenze necessarie allo svolgimento della ricerca nell’area prescelta. Dopo questo periodo iniziale, lo studente preparerà insieme al suo Advisor un piano per la propria attività annuale compilando il Doctoral Program Form (DPF) del primo anno. Il piano proposto sarà sottomesso per l’approvazione al collegio dei docenti del dottorato.

Il collegio del dottorato assegnerà a ciascuno studente un Advisory committee (Commissione di affiancamento) formato da due membri del collegio più un terzo membro che può essere anche un esperto esterno, in base all’area di ricerca prescelta. Le attività dello studente verranno monitorate durante ciascun anno dal suo Advisory committee mediante incontri periodici che terminano con la redazione di una breve nota contenente suggerimenti o avvertimenti per lo studente. Lo studente dovrà richiedere la fissazione di un appuntamento specifico al suo Advisory committee nell’imminenza dei periodi programmati per tali incontri.

Per la fine del primo anno accademico lo studente dovrà redigere un rapporto sull’attività svolta, completando il Doctoral Report Form (DRF) del primo anno. Allo stesso tempo, dovrà preparare il piano delle attività per il secondo anno, completando il Doctoral Program Form (DPF) del secondo anno.

La scansione temporale del primo anno di dottorato è rappresentata qui sotto:



Il piano delle attività per il primo anno dovrà essere presentato dallo studente entro il 28 febbraio.

Durante il primo anno lo studente dovrà avere almeno due incontri con il suo Advisory committee:
- durante le prime due settimane di giugno (incontro intermedio)
- durante le prime due settimane di settembre (incontro preparatorio in vista dell’ammissione al secondo anno)

Entro il 1 ottobre lo studente dovrà sottomettere:
(i)  un rapporto sull’attività svolta durante il primo anno accademico,
     completando il Doctoral Report Form (DRF) del primo anno
(ii) il piano delle attività per il secondo anno,
     completando il Doctoral Program Form (DPF) del secondo anno




Lista di Corsi Avanzati che si prevede di offrire nell’anno accademico 2025-2026, per una offerta totale di circa 264 ore (circa 44 CFU), da attivare in base alle scelte degli studenti:

  1)  Titolo:          Analytical Techniques for Wave Phenomena
        Lingua:        inglese
        CFU:           6

  2)  Titolo:          Complex Systems Modelling by Granular Computing
        Lingua:        inglese
        CFU:           2

  3)  Titolo:          Convex optimization: Theory and Applications
        Lingua:        inglese
        CFU:           2

  4)  Titolo:          Design of building blocks in integrated SiGe technology for 5G backhauling applications
        Lingua:        inglese
        CFU:           2

  5)  Titolo:          From Philosophy of science to meta-design
        Lingua:        inglese
        CFU:           2

  6)  Titolo:          Generative Deep Learning
        Lingua:        inglese
        CFU:           3

  7)  Titolo:          Hyperdimensional Computing and Vector Symbolic Architectures for Artificial Intelligence
        Lingua:        inglese
        CFU:           2

  8)  Titolo:          Job Scheduling and Dispatching
        Lingua:        inglese
        CFU:           3

  9)  Titolo:          La scrittura tecnico-scientifica
        Lingua:        italiano
        CFU:           4

  10)  Titolo:          Management in the Digital Economy
        Lingua:        inglese
        CFU:           2

  11)  Titolo:          Nonlinear Optics and Applications
        Lingua:        inglese
        CFU:           6

  12)  Titolo:          Python for Data Science
        Lingua:        inglese
        CFU:           3

  13)  Titolo:          Quantum Computing and Quantum Machine Learning for ICT Applications
        Lingua:        inglese
        CFU:           3

  14)  Titolo:          Space-Time Adaptive Processing and MIMO Techniques for Radar
        Lingua:        inglese
        CFU:           3

  15)  Titolo:          Statistical Signal Processing with Radar Applications
        Lingua:        inglese
        CFU:           3

I corsi 3, 4, 6, 7, 8, 9, 11, 12, 14, 15 sono raccomandati al primo anno, dipendentemente dal curriculum, mentre i corsi 1, 2, 5, 10, 13 possono essere posticipati al secondo anno.
Modalità di scelta dell'argomento della tesi:
Alla fine dell’anno lo studente dovrà aver identificato l’argomento della sua tesi o almeno l’area generale di ricerca cui apparterrà.

La scelta dell’argomento di ricerca si baserà sull’intera attività svolta durante il primo anno, compresa la frequenza di corsi avanzati e seminari, le attività di laboratorio e le attività di ricerca iniziali (anche esplorative).

L’argomento della tesi, scelto dallo studente insieme al suo Advisor, deve essere incluso nel DPF del secondo anno e approvato dal suo Advisory committee e dal collegio del dottorato durante il mese di ottobre.
Modalità delle verifiche per l'ammissione all'anno successivo
Le attività dello studente verranno monitorate dal suo Advisory committee. Le note scritte preparate dal committee dopo gli incontri intermedio e preparatorio saranno a disposizione del collegio di dottorato per le sue valutazioni. In particolare, le note del meeting preparatorio valuteranno la coerenza dell’attività svolta nel primo anno sia con il DPF del primo anno sia con il DPF proposto per il secondo anno.

L’ammissione al secondo anno è soggetta ad approvazione da parte del collegio dei docenti del dottorato. L’approvazione si baserà sui seguenti elementi:  

  • un rapporto (il Doctoral Report Form del primo anno) presentato dallo studente che riporta i corsi e i seminari effettivamente frequentati; il rapporto dovrà inoltre contenere una descrizione sintetica delle attività di ricerca e formative dell’anno, come anche la lista dei lavori pubblicati, sottomessi, o in preparazione, se presenti

  • una relazione presentata in forma orale dall’Advisor che integrerà il rapporto presentato dallo studente

  • una relazione orale dello studente al collegio del dottorato sui risultati raggiunti

  • le note scritte preparate dall’Advisory committee dello studente

Il collegio del dottorato approverà, insieme all’ammissione al secondo anno, il Doctoral Program Form del secondo anno (eventualmente con modifiche, se necessario) contenente la proposta di argomento della tesi di dottorato.
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Oltre alle normali interazioni spontanee elle collaborazioni scientifiche, momenti di discussione dei risultati di ricerca dei dottorandi previsti regolarmente nell'ambito delle attività del dottorato in ICT sono:
- due incontri all'anno per ciascun dottorando con la propria commissione di affiancamento (Advisory committee).
- una presentazione a fine anno (nel periodo tra Settembre e Ottobre) di fronte al collegio dei docenti del curriculum di afferenza.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

Nessun corso indicato.

Eventuali maggiori informazioni piano form. 2°
Il piano formativo del secondo anno di corso prevede l’acquisizione di un totale di 60 Crediti Formativi Universitari (CFU), suddivisi come illustrato nella tabella soprastante. In particolare:  

  • Durante il secondo anno lo studente potrà completare l’acquisizione dei crediti corrispondenti ai “Corsi avanzati” se questa non è stata completata entro il primo anno. 

  • Seminari e laboratori dovranno essere inclusi per un totale di 6 CFU, con l’obiettivo di essere aperti all’innovazione ed essere coinvolti nelle attività sperimentali (vedi la sezione Seminari). La frequenza di 3 seminari (certificata dal relatore) dà diritto all’acquisizione di 1 CFU.

  • L’attività di ricerca costituirà la parte principale delle attività svolte (quantificata in 48 CFU). Lo scopo dell’attività di ricerca del secondo anno è principalmente quello di iniziare una solida attività di ricerca nella specifica area di interesse, sotto la guida del proprio Advisor.

  • Verranno svolte attività aggiuntive di formazione e ricerca indipendente per un totale di 6 CFU, allo scopo di essere aperti a studi e pratiche non necessariamente strettamente legati al proprio specifico tema di ricerca.

  Le attività dello studente verranno monitorate durante l’anno dal suo Advisory committee.

Solitamente, gli eventuali periodi di ricerca all’estero vengono effettuati durante il secondo o terzo anno. Il Doctoral Program Form dovrà riportare i periodi di ricerca all’estero che lo studente intende effettuare.

Per la fine del secondo anno accademico lo studente dovrà redigere un rapporto sull’attività svolta, completando il Doctoral Report Form (DRF) del secondo anno. Allo stesso tempo, dovrà preparare il piano delle attività per il terzo anno, completando il Doctoral Program Form (DPF) del terzo anno.

La scansione temporale del secondo anno di dottorato è rappresentata qui sotto:



Il piano delle attività per il secondo anno viene presentato dallo studente e approvato dal collegio dei docenti prima dell’inizio del secondo anno, in modo che le attività del secondo anno siano pianificate sin dall’inizio e possano quindi iniziare senza ritardi.

Durante il secondo anno lo studente dovrà avere almeno due incontri con il suo Advisory committee:
- durante le ultime due settimane di febbraio (incontro intermedio)
- durante le prime due settimane di settembre (incontro preparatorio)
 
Entro il 1 ottobre lo studente dovrà sottomettere:
(i)  un rapporto sull’attività svolta durante il secondo anno accademico,
     completando il Doctoral Report Form (DRF) del secondo anno
(ii) il piano delle attività per il terzo anno,
     completando il Doctoral Program Form (DPF) del terzo anno


I corsi 1, 2, 5, 10, 13 (come da elenco dei corsi per dottorandi programmati per il primo anno di corso) sono particolarmente raccomandati al secondo anno.
Modalità delle verifiche per l'ammissione all'anno successivo
Le attività dello studente verranno monitorate dal suo Advisory committee. Le note scritte preparate dal committee dopo gli incontri intermedio e preparatorio saranno a disposizione del collegio di dottorato per le sue valutazioni. In particolare, le note del meeting preparatorio valuteranno la coerenza dell’attività svolta nel secondo anno sia con il DPF del secondo anno sia con il DPF proposto per il terzo anno.
 
L’ammissione al terzo anno è soggetta ad approvazione da parte del collegio dei docenti del dottorato. L’approvazione si baserà sui seguenti elementi:  

  • un rapporto (il Doctoral Report Form del secondo anno) presentato dallo studente che riporta i seminari effettivamente frequentati; il rapporto dovrà inoltre contenere una descrizione sintetica delle attività di ricerca e formative dell’anno, come anche la lista dei lavori pubblicati, sottomessi, o in preparazione, se presenti

  • una relazione presentata in forma orale dall’Advisor che integrerà il rapporto presentato dallo studente

  • una relazione orale dello studente al collegio del dottorato sui risultati raggiunti

  • le note scritte preparate dall’Advisory committee dello studente

  Il collegio del dottorato approverà, insieme all’ammissione al secondo anno, il Doctoral Program Form del terzo anno (eventualmente con modifiche, se necessario).  
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Oltre alle normali interazioni spontanee elle collaborazioni scientifiche, momenti di discussione dei risultati di ricerca dei dottorandi previsti regolarmente nell'ambito delle attività del dottorato in ICT sono:
- due incontri all'anno per ciascun dottorando con la propria commissione di affiancamento (Advisory committee).
- una presentazione a fine anno (nel periodo tra Settembre e Ottobre) di fronte al collegio dei docenti del curriculum di afferenza.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

Nessun corso indicato.

Eventuali maggiori informazioni piano form. 3°
Il piano formativo del terzo anno di corso prevede l’acquisizione di un totale di 60 Crediti Formativi Universitari (CFU), suddivisi come illustrato nella tabella soprastante. In particolare:  

  • Seminari e laboratori dovranno essere inclusi per un totale di 6 CFU, con l’obiettivo di essere aperti all’innovazione ed essere coinvolti nelle attività sperimentali (vedi la sezione Seminari). La frequenza di 3 seminari (certificata dal relatore) dà diritto all’acquisizione di 1 CFU.

  • L’attività di ricerca costituirà la parte principale delle attività svolte (quantificata in 48 CFU). Lo scopo dell’attività di ricerca del terzo anno è quello di consolidare i risultati preliminari ottenuti e arrivare a sviluppare pienamente l’attività di ricerca, sotto la guida del proprio Advisor.

  • Verranno svolte attività aggiuntive di formazione e ricerca indipendente per un totale di 6 CFU, allo scopo di essere aperti a studi e pratiche non necessariamente strettamente legati al proprio specifico tema di ricerca.

Le attività dello studente verranno monitorate durante l’anno dal suo Advisory committee.

Eventuali periodi di ricerca all’estero possono essere effettuati o completati durante il terzo anno. Il Doctoral Program Form dovrà riportare i periodi di ricerca all’estero che lo studente intende effettuare.  

L’attività di ricerca svolta avrà come prodotto finale la tesi di dottorato.

Per la fine del terzo anno accademico lo studente dovrà redigere un rapporto sull’attività svolta, completando il Doctoral Report Form (DRF) del terzo anno.

La scansione temporale del secondo anno di dottorato è rappresentata qui sotto:


 
Il piano delle attività per il terzo anno viene presentato dallo studente e approvato dal collegio dei docenti prima dell’inizio del terzo anno, in modo che le attività del terzo anno siano pianificate sin dall’inizio e possano quindi iniziare senza ritardi.
 
Durante il terzo anno lo studente dovrà avere almeno due incontri con il suo Advisory committee:
- durante le ultime due settimane di febbraio (incontro intermedio)
- durante le prime due settimane di settembre (incontro preparatorio)
 
Entro il 1 dicembre lo studente dovrà avere un incontro finale con il suo Advisory committee; in luogo di tale incontro può essere effettuata una presentazione orale pubblica dei contenuti della tesi.
 
Entro il 1 dicembre lo studente dovrà sottomettere un rapporto sull’attività svolta durante il terzo anno accademico, completando il Doctoral Report Form (DRF) del terzo anno.  
Modalità di ammissione all'esame finale
Le attività dello studente verranno monitorate dal suo Advisory committee. Le note scritte preparate dal committee dopo gli incontri intermedio e preparatorio saranno a disposizione del collegio di dottorato per le sue valutazioni. In particolare, le note del meeting preparatorio valuteranno la coerenza dell’attività svolta nel terzo anno con il DPF del terzo anno.
 
La tesi di dottorato dovrà essere sottomessa dallo studente entro il 31 ottobre per poter discutere la tesi nella prima sessione (Gennaio dell’anno successive). Entro la metà di ottobre il collegio dei docenti del dottorato assegnerà due revisori esterni a ciascuno studente, scelti tra docenti italiani o internazionali. I revisori riceveranno la tesi di dottorato, non appena questa verrà resa disponibile dallo studente, e redigeranno una relazione di revisione su di essa.
 
L’ammissione all’esame finale è soggetta ad approvazione da parte del collegio dei docenti del dottorato (seconda metà di dicembre). L’approvazione si baserà sui seguenti elementi:

  • un rapporto (il Doctoral Report Form del terzo anno) presentato dallo studente che dovrà contenere una descrizione sintetica delle attività di ricerca e formative dell’anno, come anche la lista dei lavori pubblicati, sottomessi, o in preparazione, se presenti

  • una relazione presentata in forma orale dall’Advisor che integrerà il rapporto presentato dallo studente

  • una relazione orale dello studente al collegio del dottorato sui risultati raggiunti

  • le note scritte preparate dall’Advisory committee dello studente

  • le relazioni dei revisori esterni

 
Analoghi calendari e procedure sono definiti per gli studenti che si presentano nelle due successive sessioni di esame finale (Maggio e Settembre), traslando le scadenze sopra enumerate in accordo alla data prevista di discussione della tesi.
Modalità di svolgimento dell'esame finale
Affinché possa conseguire il titolo di Dottore di Ricerca in Tecnologie dell’Informazione e delle Comunicazioni lo studente dovrà discutere la propria tesi di dottorato.
 
La commissione per la discussione della tesi di dottorato che valuta l’attività di ricerca svolta sarà formata da docenti esterni selezionati dal collegio dei docenti del dottorato e appartenenti a università o enti di ricerca italiani o internazionali.
 
La discussione della tesi avrà luogo entro la fine di gennaio (prima sessione), ovvero entro la fine di maggio (seconda sessione) o settembre (terza sessione). Lo studente dovrà illustrare alla commissione i risultati di ricerca originali conseguiti e rispondere a tutte le domande poste dalla commissione. Una valutazione positiva da parte della commissione è necessaria affinché il titolo possa essere ufficialmente conferito dal Rettore dell’Università di Roma “La Sapienza” nei giorni successivi.
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Oltre alle normali interazioni spontanee elle collaborazioni scientifiche, momenti di discussione dei risultati di ricerca dei dottorandi previsti regolarmente nell'ambito delle attività del dottorato in ICT sono:
- due incontri all'anno per ciascun dottorando con la propria commissione di affiancamento (Advisory committee).
- una presentazione a fine anno (nel mese di Novembre) di fronte al collegio dei docenti del curriculum di afferenza.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma