Aspetti metodologici e computazionali dell'uso della differenziazione automatica per la costruzione di modelli surrogato

Lo sviluppo delle tecnologie computazionali ha rivoluzionato la ricerca scientifica, rendendo la simulazione di dati artificiali uno strumento chiave in vari campi. Questa tesi esplora metodi inferenziali alternativi alle classiche procedure basate sulla verosimiglianza, in particolare attraverso l'uso di modelli surrogato costruiti con metodi di calcolo avanzati come la differenziazione automatica. Vengono analizzati i limiti dei metodi ABC e i vantaggi offerti dai modelli surrogato, con un focus sulla loro applicabilità a problemi multidimensionali. I risultati evidenziano come l'adozione di strumenti computazionali precisi e flessibili sia fondamentale per il successo delle procedure inferenziali in contesti complessi.