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”.

MONTALENTI FRANCESCO CIMBRO MATTIA

Ruolo:
Professore ordinario
Settore scientifico disciplinare:
Fisica teorica della materia, modelli, metodi matematici e applicazioni (PHYS-04/A)
Gruppo scientifico disciplinare:
FISICA TEORICA DELLA MATERIA, MODELLI, METODI MATEMATICI E APPLICAZIONI (02/PHYS-04)
Telefono:
Stanza:
  • U05, Piano: 2, Stanza: 2068
Orari di ricevimento:

Tutti i giorni, ma previo appuntamento da fissare via email

Biografia

FM è dal 2020 Professore Ordinario di Fisica della Materia presso l'Università di Milano-Bicocca, Dipartimento di Scienza dei Materiali (GSD: 02/PHYS-04 - FISICA TEORICA DELLA MATERIA, MODELLI, METODI MATEMATICI E APPLICAZIONI; SSD: PHYS-04/A - Fisica teorica della materia, modelli, metodi matematici e applicazioni). 
Esperto nella modellizzazione teorico-computazionale di processi di diffusione, crescita, e rilascio (elastico e plastico) di misfit reticolare in film o nanostrutture eteroepitassiali, FM utilizza in modo sinergico diverse tecniche, dai modelli continui (x es. Phase-field models), a quelli atomistici (Dinamica molecolare classica; calcoli ab initio). Da qualche anno ha inoltre iniziato a sviluppare e utilizzare tecniche di machine learning. 
FM collabora con gruppi nazionali ed internazionali, sia nello sviluppo di tecniche simulative avanzate (Prof. A. Voigt - TU Dresden; Dr. R. Gatti - ONERA/CNRS, Francia, Prof. Henkelman - University of Texas, USA) sia a problematiche di interesse applicativo (collaborazione con IHP Institut, Frankfurt Oder, Germania e all'interno del laboratorio L-NESS di Como, di cui è membro del Consiglio Scientifico).
FM è autore di circa 170 pubblicazioni su riviste internazionali con referee, con oltre  4000 citazioni e un h-index pari a  34.
Ha inoltre tenuto una cinquantina di seminari su invito (a conferenze, workshops, o presso Università e/o Istituti di ricerca). Nel 2024 è stato invitato come Plenary Speaker alla ICMOVPE Conference (Las Vegas, NV, USA), discutendo l'utilizzo di tecniche Machine Learning per la modellizzazione della crescita di film sottili
La ricerca di FM è attualmente finanziata all'interno del PNRR (Spoke 7, Centro Nazionale HPC), e progetto PRIN "Nanosees".
Titolare dei corsi Struttura della Materia (Laurea triennale in Fisica) e Computational Materials Science (Laurea magistrale in Materials Science e in Fisica), FM riveste da Gennaio 2023 la carica di coordinatore del dottorato in Materials Science & Nanotechnology dell'Università di Milano-Bicocca.

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

  • Rovaris, F., Marzegalli, A., Montalenti, F., Scalise, E. (2025). Unraveling the atomic-scale pathways driving pressure-induced phase transitions in silicon. MATERIALS TODAY NANO, 29(March 2025), 1-9 [10.1016/j.mtnano.2024.100548]. Dettaglio

  • Radice, E., Miglio, L., Montalenti, F., Bergamaschini, R. (2024). Interplay of crystal faceting, wetting interactions and substrate geometry in solid-state dewetting and selective-area growth: a phase-field approach. In Abstract book of ECOSS-37. 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

Progetti di ricerca

Development of wood based optical diffusers”
Anno: 2022
Bando: Avviso pubblico per la realizzazione di un'offerta formativa in apprendistato per l'Alta formazione e la ricerca i sensi dell'Art.. 45 Dlgs 81/2015 A.A. 2021/2022
Enti finanziatori: REGIONE LOMBARDIA
PRIN 2022 PNRR- Missione 4, Componente 2, Investimento 1.1 -Avviso 1409/22 - NANOscale nondestructive spectroscopic mapping of defectS in heterojunction dEvicES - NANOSEES
Anno: 2022
Bando: Bando PRIN 2022
Enti finanziatori: M.I.U.R. - MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITA' E DELLA RICERCA
Mechanics of Nano-Objects
Anno: 2012
Bando: FIRB Accordo di programma 2006, Memorandum of International Scientific Network