Alessandro Coclite

Alessandro Coclite è docente di Analisi Numerica presso il Politecnico di Bari. Ha conseguito la laurea magistrale in Fisica Teorica presso l’Università degli Studi di Bari nel settembre 2011 e il dottorato di ricerca in Ingegneria Meccanica e Gestionale presso il Politecnico di Bari nel marzo 2015. Successivamente ha svolto attività di ricerca post-doc presso l’Istituto Italiano di Tecnologia di Genova, l’Università di Bristol e l’Università della Basilicata. Dal dicembre 2020 è in servizio presso il Politecnico di Bari, dove svolge attività di ricerca e didattica nell’ambito dell’analisi numerica e della modellistica computazionale. La sua attività scientifica riguarda lo sviluppo, l’analisi e l’implementazione di metodi numerici per equazioni alle derivate parziali e problemi multifisica, con particolare attenzione alla fluidodinamica computazionale, all’interazione fluido-struttura, ai flussi multifase e alla microfluidica. Ha inoltre lavorato su modelli non locali e peridinamici, metodi Lattice Boltzmann e Immersed Boundary, trasporto e adesione in microcircolo e applicazioni biomediche. Più recentemente, i suoi interessi si sono estesi a metodi numerici su domini non conformi, modelli su reti e tecniche di machine learning per il precondizionamento e la soluzione efficiente di sistemi lineari parametrizzati.

MATH-05/A

L’attività scientifica di Alessandro Coclite si sviluppa nell’ambito dell’analisi numerica, della modellistica matematica e del calcolo scientifico, con particolare riferimento alla progettazione, analisi e implementazione di metodi numerici per equazioni alle derivate parziali, problemi multifisica e modelli non locali. La ricerca è caratterizzata da un approccio fortemente interdisciplinare, nel quale strumenti di analisi numerica e simulazione computazionale vengono sviluppati in relazione a problemi di interesse fisico, ingegneristico e biomedico.

Un primo asse di ricerca riguarda la fluidodinamica computazionale e la simulazione di sistemi complessi caratterizzati dall’interazione tra fluidi, strutture deformabili e particelle immerse. In tale contesto, l’attività ha incluso lo sviluppo e l’impiego di metodologie Lattice Boltzmann e Immersed Boundary per la simulazione di flussi multifase, interazioni fluido-struttura e fenomeni di trasporto in geometrie complesse. Particolare attenzione è stata dedicata ad applicazioni microfluidiche e biomediche, quali la dinamica di cellule e particelle nel microcircolo, i processi di adesione a parete e la modellazione del trasporto in ambienti vascolari e tumorali. Questi studi integrano modellazione fisica, discretizzazione numerica e simulazione ad alte prestazioni, con l’obiettivo di descrivere fenomeni nei quali scale spaziali e temporali differenti risultano fortemente accoppiate.

Un secondo filone riguarda i modelli non locali e la peridinamica. L’attività scientifica in questo ambito si è concentrata sulla formulazione di modelli integrali non locali e sulla costruzione di metodi numerici per la loro approssimazione, anche su domini curvi e varietà bidimensionali. Una componente rilevante della ricerca è dedicata allo studio della consistenza delle discretizzazioni, alla relazione tra formulazioni non locali e modelli differenziali classici e allo sviluppo di tecniche computazionali capaci di preservare le proprietà strutturali del problema continuo. Tali tematiche si inseriscono più in generale nello studio di operatori non locali e frazionari e della loro approssimazione numerica.

Più recentemente, l’attività si è estesa allo sviluppo di metodi numerici per problemi definiti su geometrie complesse, domini non conformi e strutture reticolari, con particolare attenzione alla costruzione di formulazioni robuste rispetto alla geometria e adatte a implementazioni efficienti. In questo quadro rientra anche lo studio di modelli e metodi per problemi posti su reti e grafi, nei quali la struttura discreta del dominio interagisce con la dinamica descritta dalle equazioni differenziali.

Una linea di ricerca più recente riguarda inoltre l’integrazione tra metodi numerici classici e tecniche di machine learning. L’interesse è rivolto in particolare allo sviluppo di strategie data-driven per il precondizionamento e l’accelerazione della soluzione di sistemi lineari parametrizzati derivanti dalla discretizzazione di equazioni alle derivate parziali. L’obiettivo è utilizzare tecniche di apprendimento automatico non come sostituti dei solutori numerici tradizionali, ma come strumenti integrati all’interno di algoritmi scientifici, mantenendo controllo sull’accuratezza, sulla stabilità e sull’efficienza computazionale.

Nel complesso, l’attività scientifica è accomunata dall’interesse per lo sviluppo di metodologie numeriche rigorose e computazionalmente efficienti per problemi caratterizzati da complessità geometrica, multiscala o multifisica. L’approccio adottato combina formulazione matematica, analisi delle proprietà numeriche, implementazione algoritmica e validazione computazionale, con particolare attenzione alla trasferibilità delle metodologie tra differenti classi di problemi applicativi.

Venerdì 15:00-18:00 (Il ricevimento si tiene nell'ufficio del docente (terzo piano plesso Salvatore) previo appuntamento.)