Questo sito utilizza cookie tecnici, propri e di terze parti, per garantire la corretta navigazione e analizzare il traffico e, con il tuo consenso, cookie di profilazione e altri strumenti di tracciamento di terzi per mostrare video e misurare l'efficacia delle attività di comunicazione istituzionale. Puoi rifiutare i cookie non necessari e di profilazione cliccando su “Rifiuta tutti”. Puoi scegliere di acconsentirne l’utilizzo cliccando su “Accetta tutti” oppure puoi personalizzare le tue scelte cliccando su “Rivedi le tue scelte sui cookie”.

FANTASIA ANDREA

Ruolo:
Dottorando
E-mail:
a.fantasia1@campus.unimib.it

Pubblicazioni

  • Martín-Encinar, L., Lanzoni, D., Fantasia, A., Rovaris, F., Bergamaschini, R., Montalenti, F. (2025). Quantitative analysis of the prediction performance of a Convolutional Neural Network evaluating the surface elastic energy of a strained film. COMPUTATIONAL MATERIALS SCIENCE, 249(5 February 2025) [10.1016/j.commatsci.2024.113657]. Dettaglio

  • Lanzoni, D., Rovaris, F., Martín-Encinar, L., Fantasia, A., Bergamaschini, R., Montalenti, F. (2024). Simulations of strained films evolution: extending accessible timescales through Convolutional Neural Networks. In Abstract book of ECOSS-37. Dettaglio

  • Lanzoni, D., Martín-Encinar, L., Rovaris, F., Fantasia, A., Montalenti, F., Bergamaschini, R. (2024). Accelerating Crystal Growth Simulations by Convolutional Neural Networks. In Abstract book of IWMCG11. Dettaglio

  • Lanzoni, D., Rovaris, F., Fantasia, A., Martı́n-Encinar, L., Montalenti, F., Bergamaschini, R. (2024). Simulating morphological evolutions by Convolutional Neural Networks. In Abstract book of A3M Workshop. Dettaglio

  • Lanzoni, D., Rovaris, F., Martín-Encinar, L., Fantasia, A., Bergamaschini, R., Montalenti, F. (2024). Accelerating simulations of strained-film growth by deep learning: Finite element method accuracy over long time scales. APL MACHINE LEARNING, 2(3) [10.1063/5.0221363]. Dettaglio

Lista completa