Meccanica Statistica

In questa linea di ricerca viene affrontato lo studio dei sistemi complicati e frustrati, come i vetri di spin, i vetri strutturali ed i modelli disordinati per la fotonica mediante metodi avanzati di meccanica statistica dei sistemi disordinati e complessi, quali la teoria di rottura di simmetria di replica, il metodo della cavità, la Belief Propagation e la sua generalizzazione Survey Propagation a sistemi con frammentazione dello spazio delle soluzioni, la dinamica di tipo Martin-Siggia-Rose in formulazione di integrali di cammino con variabili anti-commutanti, tecniche di gruppo di rinormalizzazione (su reticoli gerarchici, su celle finito-dimensionali quadrate o cubiche, su modelli gerarchici) e metodi Monte Carlo potenziati per la simulazione numerica della dinamica di equilibrio e di fuori equilibrio.

 

Mediante le tecniche summenzionate studiamo transizioni di fase e la natura dell’organizzazione degli stati nei sistemi complessi sia in dimensione alta, dove l’approssimazione di campo medio è esatta, sia in bassa dimensionalità, dove la transizione di fase – se esiste – appartiene ad una diversa classe di universalità.

I fenomeni studiati comprendono la transizione di vetro di spin e la rottura di simmetria di replica a bassa temperatura, la transizione di vetro strutturale e l’organizzazione degli stati vetrosi stabili e metastabili al di sotto della transizione di arresto dinamico, la transizione del modello di Ising con campo magnetico random e la localizzazione di Anderson.

 

Sistemi vetrosi e con rilassamento lento. Un vetro può essere visto come un liquido in cui un enorme rallentamento del moto di diffusione delle particelle distrugge la capacità di fluire su scale di tempo sperimentali. Il rallentamento viene espresso dal tempo di rilassamento che, generalmente parlando, è il tempo caratteristico durante il quale i processi più lenti tra quelli misurabili rilassano all’equilibrio. Raffreddando il sistema a partire dalla fase liquida i gradi di libertà più lenti diventano inaccessibili per la dinamica e la viscosità del liquido sottoraffreddato cresce di diversi ordini di grandezza in un intervallo di temperatura relativamente stretto. Di conseguenza nel processo di raffreddamento, da un certo punto in poi il tempo effettivamente speso ad una data temperatura non è più sufficiente per equilibrare il sistema a quella temperatura: il sistema cade fuori equilibrio. La natura e la caratterizzazione di questo regime vetroso fuori-equilibrio e della transizione vetrosa sono problemi impegnativi che stimolano una profonda elaborazione teorica dei sistemi frustrati. In particolare in questa linea di ricerca lavoriamo sulla rappresentazione teorica del comportamento dei liquidi viscosi, dei vetri strutturali e dei vetri di spin, sul rallentamento critico che si verifica in prossimità dell’arresto dinamico, sulla dinamica di invecchiamento dei sistemi fuori-equilibrio e sulla estensione delle teorie dei vetri oltre il limite di validità dell’ approssimazione di campo medio.

 

Il problema inverso in meccanica statistica. Dato un insieme di dati ed un modello teorico con parametri i cui valori non sono noti, il problema inverso ha come obiettivo di trovare i valori dei parametri teorici che interpolino meglio i dati. Ci focalizziamo, in particolare, su sistemi di elementi interagenti, in cui effettuare l’inferenza statistica della rete di interazioni e dei valori delle costanti di accoppiamento a partire dai dati misurati nella dinamica del sistema. Questo problema, in diverse versioni, si incontra in fisica, in biologia, nelle scienze sociali e finanziarie, o nelle neuroscienze (per citarne alcune), e stanno diventando via via sempre più importanti grazie all’aumento di dati disponibili in questi campi. Un’approccio standard utilizzato in meccanica statistica è quello di predire le costanti di accoppiamento o mediante la massimizzazione della funzione di verosimiglianza. Questa tecnica, però, richiede il calcolo della funzione di partizione che, nel caso generico, contiene un numero di termini che scalano esponenzialmente con il numero di variabili del sistema (la taglia del sistema). L’apprendimento automatico di Boltzmann utilizza un campionamento di tipo Monte Carlo per calcolare i gradienti della lob-verosimiglianza alla ricerca dei suoi punti stazionari, ma questo metodo è computazionalmente trattabile solo per sistemi piccoli. Negli ultimi 15 anni una serie di approssimanti più rapide e trattabili è stata sviluppata, quali il metodo di campo medio naive, l’approssimazione a coppie indipendenti dell’inversione delle equazioni di Thouless-Anderson-Palmer, lo sviluppo a piccola correlazione, l’espansione adattiva a cluster o l’approssimazione a reticolo di Bethe. Queste tecniche prendono in input medie e correlazioni a due punti di variabili osservate e, nella maggior parte dei casi, assumono un grafo completo come rete di interazione o espandono intorno al grafo completo diluendo perturbativamente. Nella maggior parte dei casi la ricostruzione delle reti non risulta accurata per dimensioni dei dati troppo piccole oppure quando le costanti di interazione sono troppo grandi o, ancora, se la rete originale è un grafo sparso. Un metodo più efficiente, che migliora sostanzialmente la performance in caso di pochi dati, è il cosiddetto metodo della pseudo-verosimiglianza (PLM) impresentabile con diverse regolarizzazioni o con il metodo della decimazione. Il nostro lavoro è dedicato all’analisi delle prestazioni dei vari metodi di inferenza, al loro miglioramento e alla loro applicazione ed adattamento a nuovi problemi.

 

Stati proteici disordinati. La struttura ordinata delle proteine è uno dei paradigmi di base della biologia classica, e fornisce una spiegazione a molti aspetti del loro funzionamento. Tuttavia, in molti casi le proteine operano in ambienti lontani dall’equilibrio, oppure possiedono conformazioni labili che transiscono verso l’ordine solo sotto particolari condizioni. Esempi includono il folding/unfolding proteico in presenza di variazioni di temperatura e pressione, oppure le riorganizzazioni configurazionali indotte in proteine intrinsecamente disordinate dall’associazione di ligandi. Le proprietà statistiche di questi ensemble di strutture possono essere studiate con tecniche di campionamento basate su simulazioni di dinamica molecolare classica.

 

Reti molecolari. Siamo interessati alla caratterizzazione delle proprieta’ emergenti di grandi reti di molecole biologiche interagenti, come proteine e acidi nucleici, per mezzo di tecniche della meccanica statistica di equilibrio e fuori dall’equilibrio. Il nostro obiettivo e’ capire cosa rende queste reti ottimali dal punto di vista funzionale e in quale senso preciso lo sono, come sono limitate dalle leggi della fisica in particolare per il processamento del rumore o dell’informazione, e se sono in grado di dare origine a fenomeni collettivi. D’altra parte, vogliamo chiarirne gli aspetti evolutivi, in particolare in relazione alle reti biologiche note alla base dei meccanismi che regolano le attivita’ cellulari e multi-cellulari

People

Andrea_DeMArtinoAndrea

De Martino

Ricercatore CNR

Bruno_RizzutiBruno

Rizzuti

Ricercatore CNR

fabrizioantenucci_postdocFabrizio

Antenucci

PostDoc CNR

alessiamarruzzo_postdocAlessia

Marruzzo

PostDoc CNR

leuzziLuca

Leuzzi

Ricercatore CNR

Viso_UomoEnzo

Marinari

Professore Ordinario

payaltyagi_postdocPayal

Tyagi

PostDoc CNR

Luca_Sorriso_valvoLuca

Sorriso-Valvo

Ricercatore CNR

4x40px-parisi_giorgioGiorgio

Parisi

Professore Ordinario

ricci-tersenghiFederico

Ricci Tersenghi

Professore Associato

Facilities and Labs

“Statistical mechanics and complex photonics” SMCP group

Publications

  1. A. Marruzzo, L Leuzzi, Multi-body quenched disordered XY and p-clock models on random graphs, Physical Review B 93, 094206 (2016) Doi: 10.1103/PhysRevB.93.094206 .
  2. F Antenucci, Statistical Physics of Wave Interactions, Springer (2016)
  3. J. L. Neira, B. Rizzuti, J. L. Iovanna, Determinants of the pKa values of ionizable residues in an intrinsically disordered protein, Archives of Biochemistry and Biophysics, 595, 1-16, (2016) doi: 10.1016/j.abb.2016.03.034
  4. D De Martino et al, Growth against entropy in bacterial metabolism: the phenotypic trade-off behind empirical growth rate distributions in E. coli, Phys Biol 13:036005 (2016) DOI: 10.1088/1478-3975/13/3/036005
  5. S Grigolon et al, Noise Processing by MicroRNA-Mediated Circuits: the Incoherent Feed-Forward Loop, Revisited, Heliyon 2:e00095 (2016) DOI: 10.1016/j.heliyon.2016.e00095
  6. Martirosyan et al, Probing the Limits to MicroRNA-Mediated Control of Gene Expression, PLOS Comp Biol 12(1): e1004715 (2016) DOI: 10.1371/journal.pcbi.1004715
  7. C Rainone, U Ferrari, M Paoluzzi, L Leuzzi, Dynamical arrest with zero complexity: The unusual behavior of the spherical Blume-Emery-Griffiths disordered model, Physical Review E 92, 062150 (2015)DOI: 10.1103/PhysRevE.92.062150 .
  8. L Leuzzi, G Parisi, F Ricci-Tersenghi, JJ Ruiz-Lorenzo,Infinite volume extrapolation in the one-dimensional bond diluted Levy spin-glass model near its lower critical dimension, Physical Review B 91, 064202 (2015) DOI: 10.1103/PhysRevB.91.064202.
  9. A Crisanti, L Leuzzi, A simple spin model for three step relaxation and secondary processes in glass formers, Journal of Non-Crystalline Solids 407, 110-117 (2015) DOI: 10.1016/j.jnoncrysol.2014.07.048.
  10. FL Metz, G Parisi,  L Leuzzi, Finite-size corrections to the spectrum of regular random graphs: An analytical solution. Physical Review E 90, 052109 (2014)DOI: 10.1103/PhysRevE.90.052109 .
  11. F Antenucci, A Crisanti, L Leuzzi, Small-cluster renormalization group in Ising and Blume-Emery-Griffiths models with ferromagnetic, antiferromagnetic, and quenched disordered magnetic interactions,  Physical Review E 90, 012112 (2014) DOI: 10.1103/PhysRevE.90.012112.
  12. F Antenucci, A Crisanti, L Leuzzi, Critical Study of Hierarchical Lattice Renormalization Group in Magnetic Ordered and Quenched Disordered Systems: Ising and Blume–Emery–Griffiths Models,  Journal of Statistical Physics 155, 909-931 (2014) DOI: 10.1 007/s10955-014-0977-z .
  13. FL Metz, L Leuzzi, G Parisi, Renormalization flow of the hierarchical Anderson model at weak disorder, Physical Review B 89, 064201 (2014) DOI: 10.1103/PhysRevB.89.064201
  14. A Crisanti, L Leuzzi, Large Deviations in Physics, Large Deviations in Disordered Spin Systems,  Springer, 135-160 (2014) .
  15. D De Martino et al. Inferring metabolic phenotypes from the exometabolome through a thermodynamic variational principle. New J Phys 16: 115018 (2014) DOI: 10.1088/1367-2630/16/11/115018
  16. M Figliuzzi et al, RNA based regulation: dynamics and response to perturbations of competing RNAs. Biophys J 107:1011 (2014) Doi: 10.1016/j.bpj.2014.06.035
  17. A De Martino et al, Identifying all moiety conservation laws in genome-scale metabolic networks. PLOS ONE 9:e100750 (2014) Doi: 10.1371/journal.pone.0100750
  18. A Seganti et al. Searching for feasible stationary states in reaction net- works by solving a Boolean constraint satisfaction problem. Phys Rev E 89:022139 (2014) Doi: 10.1103/PhysRevE.89.022139

Other selected publications

  1. B. Rizzuti, V. Daggett, Using simulations to provide the framework for experimental protein folding studies, Archives of Biochemistry and Biophysics 531, 128-135, (2013) doi: 10.1016/j.abb.2012.12.015
  2. M Figliuzzi et al, MicroRNAs as a selective channel of communication between competing RNAs. Biophys J 104:1203 (2013) DOI: 10.1016/j.bpj.2013.01.012
  3. A Seganti et al. Boolean constraint satisfaction problems for reaction networks. J Stat Mech P09009 (2013) DOI: 10.1088/1742-5468/2013/09/P09009
  4. D De Martino et al. Counting and correcting thermodynamically infeasible flux cycles in genome-scale metabolic networks. Metabolites 3:946 (2013) DOI: 10.3390/metabo3040946
  5. FA Massucci et al. A novel methodology to estimate metabolic flux distributions in constraint-based models. Metabolites 3:838 (2013) DOI: 10.3390/metabo3030838
  6. F Caltagirone, U Ferrari, L Leuzzi, G Parisi, F Ricci-Tersenghi, T Rizzo, Critical Slowing Down Exponents of Mode Coupling Theory, Physical Review Letters, 108, 085702 (2012) DOI: 10.1103/PhysRevLett.108.085702.
  7. L Leuzzi, G Parisi, F Ricci-Tersenghi, JJ Ruiz-Lorenzo, Ising spin-glass transition in a magnetic field outside the limit of validity of mean-field theory, Physical Review Letters 103, 267201 (2009) DOI: 10.1103/PhysRevLett.103.267201.
  8. L Leuzzi, G Parisi, F Ricci-Tersenghi, JJ Ruiz-Lorenzo, Dilute one-dimensional spin glasses with power law decaying interactions,  Physical Review Letters 101, 107203 (2008) DOI: 10.1103/PhysRevLett.101.107203 .
  9. L Leuzzi, TM Nieuwenhuizen, Thermodynamics of the glassy state,  Taylor & Francis, CRC Press (2007)
  10. A Crisanti, L Leuzzi, Stable solution of the simplest spin model for inverse freezing,  Physical Review Letters 95, 087201 (2005) Doi: 10.1103/PhysRevLett.95.087201.

Project

  1. LoTGlaSy: Low Temperature Glassy System, ERC advanced, (2015-2020)
  2. Simons Collaboration on Cracking the Glass Problem: (2015-2020)
  3. Meccanica statistica e complessità, PRIN 2015-2018, (2015-2018)

Latest News

La settimana del rosa digitale - 4^ed

La settimana del rosa digitale - 4^ed

 

Percorso di condivisione della carriera di scienziato-donna fatto attraverso esperimenti di estrazione di sostanze chimiche partendo dal cibo.

11 e 15 marzo 2019

Via Marconi,39 - Casamassima Bari 70010

Che “cavolo" di arcobaleno-mamme e scienza un viaggio alla scoperta di cio’ che Madre Natura ci insegna.

con Eloisa Sardella (CNR Nanotec) e Laura Rosso (PSP)

maggiori info:

TERAMETANANO - International Conference on Terahertz Emission, Metamaterials and Nanophotonics

TERAMETANANO - IV ed.

Castello Carlo V, Lecce 27 -31 Maggio 2019

The IV edition of TERAMETANANO, the International Conference on Terahertz Emission, Metamaterials and Nanophotonics, will take place in Lecce (Italy) from 27 to 31 of May 2019 in the 16th-century Castle of Charles V   with two special nights that will be held in an original Theatre of Roman period.

 

TERAMETANANO is an annual conference that gather physicists studying a wide variety of phenomena in the areas of nano-structuresnano-photonics and meta-materials, with special attention to the coupling between light and matter and in a broad range of wavelengths, going from the visible up to the terahertz.

 

Al via la fase 2 del Tecnopolo per la medicina di precisione

Firmata convenzione tra Regione, Università e Cnr per avvio seconda fase del Tecnopolo

Bari, 27 novembre 2018 

Sottoscritto stamane l’accordo tra Regione PugliaCnr Consiglio nazionale delle ricerche, Irccs Giovanni Paolo II di Bari e Università di Bari per l’avvio della seconda fase del Tecnopolo per la Medicina di Precisione. Sede del tecnopolo, il CnrNanotec.

“La sfida della medicina moderna è tradurre nella pratica clinica gli enormi progressi compiuti dalla scienza e dalla tecnologia. In questo contesto le nanotecnologie, focalizzate sull’indagine e sulla manipolazione della materia a livello nanometrico-molecolare, si presentano come uno strumento potentissimo al servizio della medicina di precisione, la nuova frontiera che punta allo sviluppo di trattamenti personalizzati per il singolo paziente”, afferma  Giuseppe Gigli, direttore di Cnr Nanotec e coordinatore del Tecnopolo.

Link video dichiarazione Massimo Inguscio: http://rpu.gl/uChUl

Link video di presentazione Tecnomed: http://rpu.gl/Qqerm

Link video dichiarazione Michele Emiliano: http://rpu.gl/aJoee