fbpx ERC Starting Grants, Italia fanalino di coda tra i vincitori | Page 10 | Scienza in rete

ERC Starting Grants, Italia fanalino di coda tra i vincitori

Read time: 2 mins

L' European Research Council (ERC), ha reso noto i progetti vincitori dell'edizione 2013 degli Starting Grants per giovani ricercatori, la sesta e ultima per il Settimo Programma Quadro (FP7). I 287 ricercatori vincitori, con esperienza tra i 2 e i 7 anni di post-dottorato, verranno premiati con 44 milioni di euro in totale, con un massimo di 2 milioni ciascuno, per 5 anni di attività.
I progetti selezionati hanno coperto una vasta gamma di temi, qui consultabili.

"Il Consiglio europeo della ricerca ha rivoluzionato il panorama della ricerca per i giovani talenti, e migliorato il ruolo della scienza in Europa", ha commentato Máire Geoghegan-Quinn, commissario per la Ricerca, l'innovazione e la Scienza, "Stiamo finanziando un tipo di ricerca che contribuisce al progresso della conoscenza umana e la produzione di prodotti innovativi che potrebbero fare la loro comparsa nella nostra vita quotidiana in futuro. L'ERC è ormai un marchio affermato di eccellenza, Horizon 2020 contribuirà a rafforzarlo ancora di più ".

Risultato al ribasso, tuttavia, per i ricercatori italiani. Il nostro Paese, infatti, si piazza in coda alla classifica, con solo 8 progetti che verranno finanziati in Italia nelle categorie di fisica e ingegneria, scienze sociali e scienze della vita, mentre veniamo superati dalla Spagna (14 vincitori), Francia (30), Israele (32) e Germania (46). 
Questi i nomi dei vincitori italiani:

  • Paola Cappellaro, del Laboratorio Europeo di Spettroscopie non Lineari (LENS), con il progetto Q-SenS2 “Quantum-Enhanced Sensors with Single Spins” (Panel PE2)
  • Marco Vignati, Università La Sapienza, con il progetto CALDER “Cryogenic wide-Area Light Detectors with Excellent Resolution” (Panel PE1)
  • Valentina Bosetti, Università Bocconi, con il progetto RISICO “RISk and uncertainty in developing and Implementing Climate change pOlicies” (Panel SH3)
  • Olivier Collignon, Università degli Studi di Trento, con il progetto MADVIS “Mapping the Deprived Visual System: Cracking function for prediction” (Panel SH4)
  • Marco Sgarbi, dell'Università degli Studi di Verona, con il progetto ARISTOTLE “Aristotle in the Italian Vernacular: Rethinking Renaissance and Early-Modern Intellectual History (c. 1400–c. 1650)” (Panel SH5)
  • Massimo Tavoni, per la Fondazione Eni Enrico Mattei, con il progetto COBHAM “The role of consumer behavior and heterogeneity in the integrated assessment of energy and climate policies” (Panel SH3)
  • Dario Bonanomi, dell'Ospedale San Raffaele, con il progetto NEVAI “Neurovascular Interactions and Pathfinding in the Spinal Motor System” (Panel LS5)
  • Francesco Ricci, dell'Università Tor Vergata di Roma,con il progetto NATURE NANODEVICES “Nature-inspired theranostic nanodevices for tumor imaging, early diagnosis and targeted drug-release” (Panel LS7)

Le prossime calls per gli Starting Grants saranno annunciate sotto la copertura di Horizon 2020.

Autori: 
Sezioni: 
Free tag: 
Horizon 2020

prossimo articolo

Perché le reti neurali hanno vinto i Nobel per la fisica e la chimica?

Quest'anno l'Intelligenza Artificiale ha fatto la parte del leone nei Nobel per la fisica e la chimica. Meglio sarebbe dire machine learning e reti neurali, grazie al cui sviluppo si devono sistemi che vanno dal riconoscimento di immagini alla IA generativa come Chat-GPT. In questo articolo Chiara Sabelli racconta la storia della ricerca che ha portato il fisico e biologo John J. Hopfield e l'informatico e neuroscienzato Geoffrey Hinton a porre le basi dell'attuale machine learning.

Immagine modificata a partire dall'articolo "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

Il premio Nobel per la fisica 2024 è stato assegnato a John J. Hopfield, fisico e biologo statunitense dell’università di Princeton, e a Geoffrey Hinton, informatico e neuroscienziato britannico dell’Università di Toronto per aver sfruttato strumenti della fisica statistica nello sviluppo dei metodi alla base delle potenti tecnologie di machine learning di oggi.