Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Fully Integrating Atomistic Modeling with Machine Learning

Projektbeschreibung

Mit kombiniertem Ansatz die Modellierung von Werkstoffeigenschaften optimieren

Maschinelles Lernen verbessert die prädiktive Modellierung von Werkstoffen und verkürzt die für die Untersuchung der physikalischen, chemischen und mechanischen Eigenschaften der Materialien benötigte Zeit von Jahren auf Monate. Die gegenwärtig verfügbaren Simulationen auf der Grundlage von maschinellem Lernen genügen jedoch nicht ausreichend den modernen Anforderungen an eine Modellierung komplexer Werkstoffe unter realistischen Bedingungen. Mithilfe interdisziplinärer Forschung, die sich über maschinelles Lernen, quantenmechanische und statistisch-mechanische Methoden erstreckt, könnte das Potenzial des maschinellen Lernens weiterentwickelt werden. Das Ziel des EU-finanzierten Projekts FIAMMA besteht nun darin, ein „Plug-and-Play“-Framework zu erschaffen, mit dessen Hilfe maschinelles Lernen nahtlos mit physikgestützter Modellierung zu kombinieren ist. Diese drei Ansätze sollten mit ihrer vereinten Kraft außerordentlich die Reichweite atomistischer Simulationen erweitern sowie genaue Einblicke in die Rolle induktiver und deduktiver Paradigmen in Theorie und Modellierung gestatten.

Ziel

Computer simulations of molecules and materials are undergoing a profound transformation. Machine learning (ML) has become essential to extend the reach and increase the predictive power of atomic-scale modeling. The potential of ML in association with quantum mechanical (QM) and statistical mechanical (SM) methods has been shown, but the link has been rather superficial, due to the complex, interdisciplinary effort needed to combine the three approaches. Without full convergence, ML-powered simulations cannot address modern modeling challenges, which involve complex materials in realistic conditions, and require increasingly predictive accuracy.
The objective of this project is to create a “plug and play” framework by which ML can be seamlessly combined with physics-based modeling, substituting individual steps of a QM calculation, or making direct predictions across complex SM workflows. Full integration of the three approaches will greatly extend the reach of atomistic simulations, and allow an insightful critical comparison of the role of inductive and deductive paradigms in theory and modeling. The development of an open-source software that unifies QM, SM and ML shall facilitate early adoption and broaden impact. We will demonstrate the benefits of our integrated framework through two challenging and compelling platform problems: (i) investigating stabilities and properties of flexible drug-like molecules and assemblies, and (ii) discovering fundamental structure-activity relationships of porous aluminosilicates for clean chemical technologies.
Critical knowledge gaps that will be filled include: (1) the description of long-range physics within the same conceptual framework that has been used for short-range interactions; (2) the symmetry-adapted representation of input and outputs of each step of a QM calculation; and (3) the rigorous characterization of SM ensembles to enable end-to-end predictions of equilibrium properties with uncertainty quantification.

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

ERC-COG - Consolidator Grant

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2020-COG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 1 998 015,00
Adresse
BATIMENT CE 3316 STATION 1
1015 LAUSANNE
Schweiz

Auf der Karte ansehen

Region
Schweiz/Suisse/Svizzera Région lémanique Vaud
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 1 998 015,00

Begünstigte (1)

Mein Booklet 0 0